2018, Vol.38
随着近几十年来全球气候变暖的加剧以及极端气候事件的频发，气候变化已经成为影响人类生产生活的重要因素。古气候的重建及其机理的研究有利于人类正确认识到气候变化的客观规律，而利用现代大气环流模式(General Circulation Models，简称GCMs)模拟古气温的代用指标如水稳定同位素的变化[1]是非常有效的方法。
现代大气环流模式通过耦合海洋和陆面过程能够较好地重现大气的动力过程、热量传输以及水汽循环[2]。为了明晰现代大气水汽和降水中水稳定同位素的变化规律，将水稳定同位素的基本分馏过程嵌入GCMs中是自然的选择。
随着水稳定同位素分馏理论的进一步发展[3]，科学家已经基本了解水循环过程中水稳定同位素的平衡分馏以及动力分馏规律[4~8]。加上现代气候模式模拟能力的提高，全球很多研究机构开发出水稳定同位素大气环流模式(iGCM)来模拟大气中水稳定同位素的全球变化规律[9]。为了定量地评价这些iGCM的模拟效果，国际原子能机构和美国戈达德太空研究所(GISS)等机构联合开展了水稳定同位素的比较计划(Stable Water Isotope Intercomparison Group，简称SWING)，现在该计划已经发展到第二阶段[10]。
在水稳定同位素的时间变化模拟结果评价方面，Yoshimura等[11]的研究表明，受大气环流模式空间分辨率和时间分辨率的限制，iGCM模拟天气尺度(数天)降水中水稳定同位素的变化效果较差，而在模拟月尺度降水中水稳定同位素的变化效果良好。在区域模拟效果的评价方面近年来国内外的研究成果颇丰：西北师范大学水稳定同位素研究团队的研究结果表明，ECHAM模式在中亚地区的适用性较好[12]；而从中国不同地区降水中氧稳定同位素模拟值的年际变化来看，由于全球变暖的影响，我国北方和西北地区的δ18O在1979至2007年呈增加趋势，而南方地区则呈现减少趋势[13]；在分析我国降水中氢稳定同位素和过量氘的模拟值过程中，该团队认为LMDZ4的模拟结果比较理想[14]。在赤道太平洋地区，Conroy等[15]比较了不同时间尺度δ18O的模拟情况以及对气候参数的响应。研究结果表明，西太平洋赤道地区月δ18O的距平变化并不是当地降水量变化的结果；年际尺度的研究结果表明ENSO事件对赤道太平洋地区的δ18O有强烈的强迫作用。在南亚季风区，Midhun和Ramesh[16]的研究结果显示该地区δ18O模拟值的空间分布与实测值吻合良好，然而在降水量模拟方面各模式差异明显；在δ18O年际变化方面的研究结果显示，ENSO信号对南亚季风区δ18O的强迫作用没有东亚地区突出。综上可知，这些论文大多是利用iGCMs分析区域δ18O的变化规律，缺乏从全球以及水汽输送整个通道的视角分析，而本文将在这方面进行探索。
本文以SWING和SWING2中8个iGCM模式20年(1980~1999年)的模拟值和GNIP(Global Network of Isotopes in Precipitation)中13个不同气候大区典型站点的实测数据为基础，分析了8个模式对这些站点降水中δ18O在月尺度变化方面的模拟效果。以便总结出不同模式在不同气候区的适用性和选择出模拟效果较好的模式，这有利于不同模式的进一步应用与改进。考虑到东亚地区站点中仅有香港站的实测数据积累较长，为了深入探究我国南方季风区降水中δ18O的年际变化，本文第二部分以香港站为例，分析其降水中δ18O的年际变化情况以及不同模式对该站点降水中δ18O年际变化的模拟效果。针对香港站实测δ18O的年际变化与南方涛动指数(SOI)的良好对应关系，从遥相关的角度分析区域水汽输送以及δ18O对大气环流变化的响应。
1 数据简介以及站点选取本研究选取SWING的3个降水同位素大气环流模式(iGCM)，即ECHAM4、HADAM3和MUGCM；SWING2[17]的5个iGCM，即CAM2、GISSE-F、GISSE-N、ISOGSM和LMDZ4。这些模式的模拟数据从20年到40年不等，为了统一模拟数据的时间，选取了1980~1999年这20年的模拟月数据用于与实测值进行比较。模式的基本信息如表 1所示。除了表中的基本信息不同外，各模式还存在着垂直层数、水汽平流输送方案、对流方案和陆面过程等基本物理框架的差异。此外，在将水稳定同位素分馏过程嵌入模式的过程中，其参数化也存在差异，在此不一一说明。各模式数据均来源于美国航空航天管理局戈达德研究中心的网站https://data.giss.nasa.gov/swing2/和科罗拉多大学的SWING网页http://atoc.colorado.edu/~dcn/SWING/index.php。实测数据来源于国际原子能机构网站https://nucleus.iaea.org/wiser/index.aspx。
|
表 1 各稳定同位素大气环流模式(iGCM)的基本信息 Table 1 The essential information of each stable isotope general circulation models(iGCM) |
为了研究不同气候区的模拟情况，从全球14个主要气候区[18]各选取了1个站点。考虑到位于热带沙漠气候的巴林岛站降水量较少，样本数量不足，导致实测值与模拟结果进行比较的可信度不高，故将该站点舍去。最后在全球选定13个站点用来探索不同模式对全球13个气候大区(包括：高山高原、热带季风、热带雨林、热带海洋、热带草原、地中海、亚热带湿润、亚热带季风、温带海洋、温带大陆性干旱、温带大陆性、亚寒带针叶林和寒带冰原气候)典型站点降水中δ18O的模拟效果。各站点的全球分布具体如图 1所示。
|
图 1 13个GNIP典型站点在全球的分布示意图 亚的斯亚贝巴(Addis Ababa)；曼谷(Bangkok)；布宜诺斯艾利斯(Buenos Aires)；格津角(Cape Grim)；热那亚(Genoa)；哈雷湾(Halley Bay)；哈拉雷(Harare)；香港(Hongkong)；雅加达(Jakarta)；渥太华(Ottawa)；拉罗汤加岛(Rarotonga)；萨列哈尔德(Salekhard)；乌鲁木齐(Vrümqi) Fig. 1 Spatial distribution of global 13 typical GNIP stations |
典型站点的选取依据[19]是：
(1) 站点的GNIP实测数据时间序列较长，一般在15年以上；
(2) 由于同一气候区内部的大气环流形势和水汽输送特征具有共性，所以典型站点的δ18O模拟值在很大程度上代表不同模式在该气候区的模拟效果；
(3) 考虑到海洋地区受均匀下垫面和平直纬向大气环流的影响，且站点稀少，故所选站点基本位于下垫面复杂和大气环流复杂的陆地上；
(4) 兼顾了具有不同降水稳定同位素效应(如季节效应、纬度效应、大陆效应等)的站点分布；
(5) 站点在全球空间分布上的均匀性。
文中的SOI数据来源于美国国家大气和海洋管理局网站https://www.esrl.noaa.gov/psddatagridded/data.ncep.reanalysis.html。500 hPa位势高度、各高度层的比湿和风的数据均为NCEP再分析数据(网址同上)。全球降水量格点数据来源于美国气候预报中心整合的降水量分析数据(CMAP)：https://www.esrl.noaa.gov/psddatagridded/data.cmap.html，上述再分析数据均为月数据，空间分辨率均为2.5°×2.5°。
2 典型站点降水中δ18O的时间变化分析 2.1 全球13个站点降水中δ18O的多年季节变化为了能够直观地看出不同模式对典型站点降水中δ18O随时间变化的模拟效果，对GNIP实测值和8个模式的模拟值求多年月平均，并绘制成折线图如图 2所示。
|
图 2 GNIP实测的和8个水稳定同位素大气环流模式(iGCM)模拟的全球13个典型站降水中δ18O的季节变化 Fig. 2 The seasonal variations of δ18O in precipitation measured by GNIP and simulated by 8 iGCM in 13 typical stations |
图 2中δ18O的GNIP实测值以红色虚线给出。通过分析低纬度非季风区站点(亚的斯亚贝巴、雅加达和拉罗汤加岛)降水中δ18O的季节变化可以看出，尽管这些站点δ18O的季节变化不大，但不同模式的模拟结果存在较大差异；中高纬度站点和低纬度季风区站点降水中δ18O的季节变化较低纬度站点明显偏大，各模式能够模拟出δ18O的大致趋势，但是模拟值的绝对值差异较大。各模式模拟效果的统计分析参看2.2节部分。
从全球δ18O的空间分布来看[20]，各站点降水中δ18O的年平均受各站点的纬度、距离海岸的远近和海拔高度的影响。即经典水稳定同位素理论所揭示的纬度效应、大陆效应以及高程效应；但从降水中δ18O月均的气候态变化来看，δ18O主要受水汽来源的季节变化、降水量分布的变化等因素的综合影响。总之，δ18O的时空分布差异都是水汽在输送过程中被降水贫化的程度大小不同所致。下面将逐站分析降水中δ18O季节变化的原因，为了便于理解，特把全球多年夏季和冬季的NCEP再分析水汽通量数据以及CMAP降水量数据绘制成图 3a和3b。所选的13个站点分属于低纬度非季风区、低纬度季风区、低纬度其他区、中纬西风带和高纬度区。
|
图 3 CMAP的全球夏季(JJA，a)和冬季(DJF，b)的降水量分布(有色阴影，单位：mm)以及NCEP整层水汽通量(黑色箭头，单位：kg/m·s) 图中均为1979~2008年多年平均数据，黑色圆点代表 13个GNIP典型站点的位置 Fig. 3 Global spatial distribution of precipitation(colorful shaded, unit: mm)during summer(JJA, a)and winter(DJF, b, unit: kg/m·s)season as well as NCEP integrated vapor flux(black vector, unit: kg/m·s). Multi-year average data is from 1979 to 2008, and the black dots in pictures show the location of 13 typical GNIP stations |
低纬度非季风区站点：
(1) 亚的斯亚贝巴站(9.00°S，38.73°E；海拔2360 m)：实测值和部分模拟值显示，该站点降水中的δ18O在7月和8月稍低，可能是该站点6月后受南印度洋远源水汽影响所致。而冬半年该站点主要受阿拉伯海水汽影响，水汽源距离该站点稍近，18O受降水贫化较少。由于该站纬度较低，夏季和冬季受南北季风交替影响，冬季和夏季水汽源区距离该站点均不远。从图 3a可以看出水汽输送路线，夏季水汽从南印度洋中部输送到该站约6000 km；冬季水汽(图 3b)从阿拉伯海输送到该站约3100 km，相对于夏季南印度洋的水汽输送到香港的约13800 km路程短得多。所以该站点以及该气候区降水中δ18O较高，全年季节变化不明显(-3 ‰ ~1 ‰左右)
(2) 雅加达站(6.18°S，106.83°E；海拔8 m)：冬半年该站受东北信风带来的西太平洋水汽影响(约8500 km路程)，水汽输送途中在加里曼丹岛及其附近海域形成降水较多，18O贫化较为剧烈(δ18O低值约为-6 ‰)；夏半年该站水汽主要来自东南印度洋，水汽源地距离较近且水汽输送过程中18O贫化较弱(可以看7月雅加达南侧地区的降水量稀少)，受印度洋西部跨赤道的索马里急流输送的远程水汽影响很少。从图 3a可以看出，来自南印度洋经索马里急流带来的水汽主要是通过南亚次大陆和中南半岛南部以及南海输送到东亚地区，这部分水汽几乎没有向雅加达附近输送，故夏季该站降水中δ18O稍高(δ18O高值约为-4 ‰)
(3) 拉罗汤加岛站(21.2°S，159.8°W；海拔6 m)：在11月到4月，西南太平洋有一条与东太平洋赤道辐合带相当的强降水带(南太平洋辐合带：SPCZ)，是东南太平洋副高与西南太平洋副高之间的水汽辐合带。拉罗汤加岛所在的库克群岛正好位于该辐合带的南侧。根据图 3b，这些月份该站点的水汽来源主要是东南太平洋副热带地区，极大值在10°S左右。故这段时间该站点降水中δ18O出现低值可能是受南太平洋辐合带降水的贫化所致(低值为-6 ‰)。而5月到次年10月该站点的降水水汽主要来自西风带，δ18O最高约为-3 ‰。由于站点纬度低，故降水对18O的贫化少(纬度效应)。
低纬度季风区站点：
(4) 曼谷站(13.73°N，100.5°E；海拔2 m)：6月份印度季风爆发后曼谷受南印度洋的水汽影响加大，到了7月、8月、9月由于孟加拉湾的降水增多导致该地上空水汽的18O贫化加剧(参看图 3a)，降水中的δ18O变低(9月δ18O为-8 ‰)。冬季时随东北信风带来的西北太平洋副热带地区的水汽经菲律宾和南海中部时降水不多[18](见图 3b)，相比于夏半年该站点降水中δ18O保持高值(2月δ18O为-2 ‰)。
(5) 香港站(22.32°N，114.17°E；海拔66 m)：该站点降水中δ18O的年际变化呈现典型的单峰单谷分布，夏低冬高，δ18O的波动范围约为-8 ‰ ~-2 ‰，其变化原因与曼谷站类似。
低纬度其他区站点：
(6) 布宜诺斯艾利斯站(34.38°S，58.28°W；海拔5 m)：形成该站点降水的水汽主要来源于南大西洋副热带地区且水汽源地的季节变化不大，故该站点中δ18O的季节变化原因主要是水汽输送途径降水量的差异。具体解释是2月、3月、4月巴西高原降水多，水汽南下到阿根廷时18O贫化较多，所以δ18O较低(4月δ18O低值为-8 ‰左右)。而7月、8月、9月巴西高原进入干季，降水稀少，导致该站所在的潘帕斯草原降水中的δ18O较高(该站月最大δ18O为-4 ‰左右)。
(7) 热那亚站(44.42°N，8.85°E；海拔2 m)属于地中海气候，降水中δ18O变化小(-6 ‰ ~-4 ‰)，冬季δ18O稍低的原因可能是该站西部的地中海气候区冬雨较多[18]。
(8) 哈拉雷站(75.58°S，20.57°W；海拔30 m)：该站点降水中δ18O的季节变化情况为：5月到10月的δ18O为高值(δ18O维持在-1 ‰左右)，12月、1月、2月的δ18O为低值(δ18O约为-7 ‰)。δ18O季节差异较大的原因是水汽主蒸发源地的变化以及水汽输送沿途降水量的变化。δ18O高值月份水汽主要来自南印度洋，且此时是南半球的冬半年，马达加斯加岛附近海域等水汽输送通道区域降水较少(详见图 3a的降水量分级图)，降水对18O的贫化弱，故该站δ18O低；δ18O低值月份水汽主要来自阿拉伯海以及非洲东部海域，水汽输送路程较远且站点北侧的草原进入雨季，降水较多，对水汽中的18O贫化强。
中纬西风带站点：
(9) 格津角站(40.68°S，144.69°E；海拔90 m)位于南半球西风带上，属于温带海洋性气候。该站点降水中δ18O的变化范围为-5 ‰ ~-2 ‰，幅度不大，其中5月、6月、7月为低值，11月、12月、1月为高值。形成该站点降水的水汽基本由南大洋西风带来。造成降水中δ18O有季节变化的主要原因是该站点以西的澳大利亚南部同纬度海域11月、12月、1月降水量较多(地中海气候)[18]，对降水中18O的贫化稍强所致。
(10) 渥太华站(45.32°N，75.67°W；海拔114 m)降水中δ18O的年际变化较为明显，夏高冬低，变化范围为-17 ‰ ~-7 ‰，主要是冬夏大气环流形势的不同导致降水中δ18O的季节变化。具体原因是：冬季到达该站点的水汽主要是西风带的输送，而北美西部的温带海洋性气候分布区冬季降水量远多于夏季，水汽中的18O被降水大量贫化，到了大陆东部渥太华站，其降水中δ18O较低；而夏季北美西风带西部海岸降水较少[18]，加上该站西南部的美国中部大平原有一支低空水汽输送带，把加勒比海和墨西哥湾富18O的水汽大量输送到北美内陆[21]，这二者是导致夏季渥太华降水中δ18O偏高的主要原因。
(11) 乌鲁木齐站(43.78°N，87.62°E；海拔918 m)站降水中δ18O的年际变化与渥太华站相似，由于冬季大陆西部对西风带水汽中18O的贫化作用比夏季强所致。而且乌鲁木齐由于离西部海洋比渥太华更远，水汽输送途中18O受西欧温带海洋性气候区降水贫化较强，导致该站点冬季降水中δ18O比渥太华站更低(最小值为-20 ‰)，夏季可能是干燥的气候导致云下二次蒸发强烈所以降水中的δ18O比渥太华高(最大值为-5 ‰)。
高纬度区站点：
(12) 萨列哈尔德站(66.53°N，66.67°E；海拔16 m)和哈雷湾站(75.58°S，20.57°W；海拔30 m)降水中的δ18O冬季低，夏季高，前者变化范围为(-25 ‰ ~-10 ‰)，后者为(-27 ‰ ~-15 ‰)。初步分析后认为两站δ18O季节变化的原因是北半球从夏季到冬季全球气压带和风带整体向地球北部移动[18]，造成南北半球高纬站点降水中的δ18O相应地减少和增加[4]。哈雷湾站降水中年均δ18O比萨列哈尔德低，可用水稳定同位素的纬度效应理解，即中高纬度地区纬度越高，降水中的δ18O越低。
2.2 iGCM对各站点模拟效果的统计分析为了定量地比较不同模式的模拟效果，将各站点逐月的模拟结果与GNIP实测值做统计分析，对各站点模拟效果靠前的两个模式统计数据值加阴影。各站点模式相关系数R的信度水平均超过0.05，具体分析结果如表 2所示，n代表样本月数，RMSE代表均方根误差。
|
|
表 2 8个iGCM模拟13个典型站点降水中δ18O月变化的模拟效果统计表 Table 2 The statistical table in simulated effect of δ18O monthly variation in 13 typical stations precipitation simulated by 8 iGCM |
从不同站点的模拟效果来看，根据图 2和表 2可知，总体模拟效果较好的站点有香港、曼谷、格津角、哈拉雷、哈雷湾、渥太华、乌鲁木齐和萨列哈尔德。其他如热带气候区以及温带海洋气候区的站点各模式模拟差别较大，这可能是由于这些站点δ18O的季节变化不大且规律不明显增加了模拟难度，导致一些模式的模拟效果出现偏差。在亚热带季风区以及高纬度气候区的站点，各模式差别相对较小，但两极地区如南极洲哈雷湾站各模式模拟效果偏差较大。
从不同模式的模拟效果来看，根据表 2，LMDZ4、GISSE-N、ECHAM3和MUGCM模式的模拟值相对于实测值的相关系数R较高，RMSE较小，故可认为在降水中站点δ18O的时间序列模拟方面这4个模式模拟效果较好。其中LMDZ4模式模拟效果总体最佳。相对而言模拟效果较差的模式是HADAM3，此模式在各站点的模拟结果相对于GNIP实测值的均方根误差较大，最高值出现在哈雷湾站，RMSE达到11.98 ‰。根据图 2，此模式的模拟结果在大多数站点相对于实测结果显著偏低。
3 香港站降水中δ18O与南方涛动指数(SOI)的关系东亚季风区降水中δ18O与大尺度环流变异的强相关关系已经被Cai等[22]所证实，本章的目的是评价iGCM对这种关系的模拟能力以及初步分析1998~1999年该站降水中δ18O的变化原因。厄尔尼诺-南方涛动(ENSO)事件的两个指标是赤道中东太平洋海温(Sea Surface Temperature，简称SST)和南方涛动指数(Southern Oscillation Index，简称SOI)，由于这两个指标具有很强的相关性，故选择了其中一个指标来分析。又由于香港站是典型的东亚季风区站点且具有较长的GNIP实测数据，在我国南方具有代表性，故选择该站点进行研究。
3.1 香港站降水中δ18O与SOI关系的实测以及模拟情况我国南方地区GNIP香港站降水中δ18O的实测值时间序列较长(1961~2015年，除去间断年后有38年数据)、大气环流形势的季节变化较大且位于东亚季风区，选择该站点分析降水中δ18O的年际变化与大尺度环流以及水汽输送异常的关系较合适。
从图 4可以看出，香港站降水中δ18O的季节变化明显，夏半年低，冬半年高。GNIP实测显示δ18O的波动范围在-10 ‰到0 ‰之间，iGCM模式均可以大致模拟出来δ18O的这种变化特征。根据表 2可以看出对香港站模拟较好的模式为：GISSE-N(R=0.72，RMSE=1.94 ‰)、LMDZ4(R=0.69，RMSE=2.27 ‰)、HADAM3(R=0.62，RMSE=2.82 ‰)和ECHAM4(R=0.54，RMSE=2.34 ‰)。
|
图 4 香港站GNIP实测的和8个iGCM模拟的1980~1999年逐月降水中δ18O的变化 Fig. 4 The monthly variations of δ18O in precipitation measured by GNIP and simulated by 8 iGCM in Hongkong station during 1980~1999 |
为了探究香港站降水中δ18O的年际波动与大尺度环流变化的关系，将香港站降水中δ18O的年降水量加权平均值与年均SOI值绘制成时间序列图如图 5 (1)~5(3)所示，并将二者做了散点图，见图 5 (4)~5(6)。ECHAM4和LMDZ4模式能够模拟出δ18O与SOI的负相关关系(图中的两个指数数据均为模拟值)，而其他模式对这种关系的模拟不理想，故没有将其绘出。
|
图 5 香港降水中δ18O年降水加权与SOI的年际变化关系(1~3)以及散点图(4~6) GNIP-NCEP表示δ18O为GNIP数据，SOI为NCEP再分析数据；其他的为模式模拟数据 Fig. 5 The inter-annual variation relationship and correlation intersperse between SOI and δ18O weighted by precipitation in Hongkong station. The GNIP-NCEP means δ18O is measured by GNIP and the SOI is NCEP reanalysis data. The ECHAM4 and LMDZ4 mean model simulation results |
根据GNIP-NCEP的实测值和再分析数据(图 5中(1)和(4))，对38年的数据分析结果表明，南方涛动指数与香港降水中δ18O的年际变化呈现明显的负相关关系，相关系数达到-0.58，斜率也达到-0.54。这说明ENSO事件所引起的大范围大气环流异常对该地区降水中δ18O的强迫效应显著。而两个iGCM能够模拟出来这一强迫，但是强度比实测值弱。比如ECHAM4模拟出的R=-0.34，斜率为-0.18，LMDZ4模拟出来的R=-0.27，斜率为-0.15。这说明在模拟ENSO信号及其对香港降水中δ18O的强迫方面有些模式表现良好，但大多数iGCM还有待进一步改进。
3.2 1998~1999年香港站降水中δ18O变化的原因分析根据3.1节分析结果，以1998年和1999年为例具体分析ENSO事件对香港降水中δ18O的年际强迫。1997~1998之交中东赤道太平洋海温(SST)明显偏高，南方涛动指数(SOI)处于低位(见图 5(1))，故1998年夏季为强厄尔尼诺影响期；而1999年夏季则为强拉尼娜影响期，二者对比明显。根据遥相关理论[23]，赤道太平洋的海温增加，有利于哈德来经向垂直环流(Hadley Circulation)的增强，底层辐合的大量空气经高空从低纬度向高纬度的输送导致副热带高压增强。
1998年夏季西太平洋副热带高压脊的西伸点偏西，副高脊偏南，加大了副高西侧的太平洋水汽输送到我国(图 6和7)。又由于鄂霍次克海(Okhotsk Sea)阻塞高压长时间存在，造成天气系统稳定少动，并且阻塞形势阻碍西太平洋副热带高压脊的北跳，加上西边不断有短波槽和切变线东移，在江南造成了持续大范围的阴雨天气。
|
图 6 1998年夏季(a)和1999年夏季(b)西太平洋500hPa位势高度场(NCEP再分析数据，单位：位势米)和风场(黑色箭头，单位：m/s)(NCEP再分析数据) Fig. 6 500hPa geopotential height field(colorful shaded, unit: geopotential meter)and wind field(black vector, unit: m/s) during 1998 summer(a)and 1999 summer(b)in west Pacific Ocean(NCEP reanalysis data) |
|
图 7 1998年夏季(a)和1999年夏季(b)南亚和东亚季风区整层水汽输送强度(黑色箭头，单位：kg/m·s)以及6月、7月、8月总降水量(彩色填充，单位：mm)(水汽输送强度数据来源于NCEP再分析数据，月降水量来源于CMAP；图中黑色复合箭头代表印度洋水汽输送情况，红色复合箭头代表西太平洋水汽输送情况) Fig. 7 North and East Asia monsoon region integrated vapor flux(black vector, unit: kg/m·s) and gross precipitation(colorful shaded, unit: mm)JJA during 1998 summer(a)and 1999 summer(b)(vapor flux data from NCEP reanalysis data, monthly precipitation data from CMAP; the black compound arrow represent Indian ocean vapor transport situation and the red compound arrow represent west pacific ocean vapor transport situation) |
1999年夏季西太平洋副热带高压东缩，强度变弱，副高西侧的水汽输送带偏东，造成该年夏季影响我国的西太平洋水汽比1998年同期有明显减少(图 6和7)。
根据水稳定同位素分馏理论，海洋水的δ18O大致为0 ‰ [24]。由于洋流的混合作用，中低纬度海洋的δ18O差别不大。降水中δ18O的差异主要是水汽在输送途中产生降水，重同位素优先分馏所致。所以，在中途没有大量水汽补充的情况下，水汽运输路程长且中途降水多的水汽团，其δ18O较低。由于夏季时南亚和东亚主要的水汽源地是印度洋，而且以南印度洋的水汽为主，北印度洋其次，西太平洋最少。与此同时，孟加拉湾海域和东阿拉伯海降水过多，云量大，夏季水汽蒸发不大，故西南季风的水汽主要是南印度洋来的远洋水汽(从南印度洋到香港的水汽输送带长达13800 km左右)且中途水汽中的18O受降水贫化较多，而西太平洋是近源水汽(从威克岛附近的西太平洋海面到香港约为6000 km)的产生地且18O中途受降水贫化不多(图 7)。1998年夏季由于副高过强，西太平洋的近源水汽大规模输送到我国南方地区，1998年我国香港地区降水中的δ18O比1999年低(见图 5 (1))。
另外注意到1999年夏季南海南部、孟加拉湾和印度西海岸的降水量比1998年有明显增加，而处于水汽输送带下游的我国南部降水量减少明显。水汽输送带上游降水增加导致水汽输送到下游地区减少，这一增一减会导致下游水汽中δ18O的减少。故降水分配形式的变化也是导致1999年夏季香港地区乃至我国南方地区降水中δ18O比1998年减少的原因之一。
为了进一步探究香港及其附近地区降水中δ18O与东亚和南亚季风区整体降水量的关系，特别是与水汽通道上游地区降水的关系，利用模拟效果较好的3个模式ECHAM4、GISSE-N和LMDZ4的模拟数据，将珠三角地区(22°~24°N，111°~115°E)降水中月δ18O的平均值与全球各格点的月降水量做了相关，并将印度洋和西太平洋周边地区的相关系数分布场绘制成图如图 8所示。
|
图 8 ECHAM4 (a)、GISSE-N (b)和LMDZ4 (c)模式模拟的珠江三角洲区域(22°~24°N，111°~115°E)降水中的δ18O与亚洲季风区域降水量的月值相关系数分布场(1979~1999年) Fig. 8 The distribution field of monthly value correlation coefficient between δ18O in Pearl River delta(22°~24°N, 111°~115°E) precipitation and precipitation in Asia monsoon area simulated by ECHAM4 (a), GISSE-N (b) and LMDZ4 (c)model(1979~1999) |
由图 8可知，珠江三角洲地区降水中的月均δ18O与南海、中南半岛西部、孟加拉湾中北部和阿拉伯海东部的月降水量有很好的负相关关系。而这些地区正是夏半年印度季风爆发后整个印度洋水汽输送带上降水量较多的地区(图 7)。因此可以看出珠江三角洲地区降水中的δ18O与当地降水量的关系并不大，而与水汽输送上游地区水汽中的18O被降水贫化的程度有很强的负相关关系。
4 结论通过对13个站点降水中δ18O模拟值与实测值的统计分析以及对香港站降水中δ18O年际变化的原因分析后，得出以下基本结论：
(1) 对13个站点总体模拟较好的模式有LMDZ4、GISSE-N和ECHAM4，其中LMDZ4模式为在模拟站点降水中δ18O的时间变化方面最佳的iGCM，它相对于其他模式而言有更高的R值和相对较低的RMSE值。模拟较差的模式是HADAM3，此模式的模拟结果在绝大多数站点中较实测值偏低较严重，且R值较低，RMSE值较大。
(2) 13个站点降水中δ18O的季节变化情况不尽相同。不同季节水汽来源的差异和水汽在输送过程中降水量的季节变化是造成各站点δ18O季节变化的重要原因。
(3) 实测值和模拟值均显示由海气相互作用异常导致的大气环流输送水汽的异常是造成香港以及周边地区降水中δ18O年际变化的重要原因。内在原因受基本分馏规律所支配：即在水汽输送过程中水汽团的18O被沿途降水贫化越剧烈，则水汽团的δ18O下降越快。
致谢: 首先感谢导师章新平教授的辛勤指导；同时感谢水稳定同位素大气环流模式比较计划(SWING)提供的模式基础数据、GNIP提供的降水同位素实测数据、美国NCEP和NOAA提供的再分析气象格点数据；最后衷心感谢审稿专家和编辑部老师给予的建议和修改意见。
| [1] |
赵华标, 徐柏青, 王宁练. 青藏高原冰芯稳定氧同位素记录的温度代用性研究[J]. 第四纪研究, 2014, 34(6): 1215-1226. Zhao Huabiao, Xu Boqing, Wang Ninglian. Study on the water stable isotopes in Tibetan Plateau ice cores as a proxy of temperature[J]. Quaternary Sciences, 2014, 34(6): 1215-1226. |
| [2] |
Sturm C, Zhang Q, Noone D. An introduction to stable water isotopes in climate models:Benefits of forward proxy modelling for paleoclimatology[J]. Climate of the Past, 2010, 6(1): 115-129. DOI:10.5194/cp-6-115-2010 |
| [3] |
柳景峰, 丁明虎, 效存德. 大气水汽氢氧同位素观测研究进展——理论基础、观测方法和模拟[J]. 地球科学进展, 2015, 34(3): 340-353. Liu Jingfeng, Ding Minghu, Xiao Cunde. Review on atmospheric water vapor isotopic observation and research:Theory, method and modeling[J]. Progress in Geography, 2015, 34(3): 340-353. |
| [4] |
Dansgaard W. Stable isotopes in precipitation[J]. Tellus Series B:Chemical and Physical Meteorology, 1964, 16(4): 436-468. |
| [5] |
Merlivat L, Jouzel J. Global climatic interpretation of the deuterium-oxygen18 relationship for precipitation[J]. Journal of Geophysical Research, 1979, 84(C8): 5029-5033. DOI:10.1029/JC084iC08p05029 |
| [6] |
Jouzel J, Merlivat L. Deuterium and oxygen-18 in precipitation:Modeling of the isotopic effects during snow formation[J]. Journal of Geophysical Research, 1984, 89(D7): 11749-11757. DOI:10.1029/JD089iD07p11749 |
| [7] |
Stewart M K. Stable isotope fractionation due to evaporation and isotopic exchange of falling water drops:Application to atmospheric processes and evaporation of lakes[J]. Journal of Geophysical Research, 1975, 80(9): 1133-1146. DOI:10.1029/JC080i009p01133 |
| [8] |
谭明, 南素兰, 段武辉. 中国季风区大气降水同位素的季节尺度环流效应[J]. 第四纪研究, 2016, 36(3): 575-580. Tan Ming, Nan Sulan, Duan Wuhui. Seasonal scale circulation effect of stable isotope in atmospheric precipitation in the monsoon regions of China[J]. Quaternary Sciences, 2016, 36(3): 575-580. |
| [9] |
章新平, 关华德, 张新主, 等. 不同模式模拟的降水稳定同位素效应的比较和评估[J]. 第四纪研究, 2016, 36(6): 1343-1357. Zhang Xinping, Guan Huade, Zhang Xinzhu, et al. Comparisons and assessment on stable isotopic effects in precipitation simulated by different models[J]. Quaternary Sciences, 2016, 36(6): 1343-1357. |
| [10] |
Yoshimura K, Kanamitsu M, Noone D, et al. Historical isotope simulation using reanalysis atmospheric data[J]. Journal of Geophysical Research:Atmospheres, 2008, 113(D19): 1-15. |
| [11] |
Yoshimura K, Oki T, Ohte N, et al. A quantitative analysis of short-term 18O variability with a Rayleigh-type isotope circulation model[J]. Journal of Geophysical Research:Atmospheres, 2003, 108(D20): 1-13. |
| [12] |
Wang S, Zhang M, Chen F, et al. Comparison of GCM-simulated isotopic compositions of precipitation in arid Central Asia[J]. Journal of Geographical Sciences, 2015, 25(7): 771-783. DOI:10.1007/s11442-015-1201-z |
| [13] |
Yang S, Zhang M, Wang S, et al. Interannual trends in stable oxygen isotope composition in precipitation of China during 1979-2007:Spatial incoherence[J]. Quaternary International, 2017, 454: 25-37. DOI:10.1016/j.quaint.2017.07.029 |
| [14] |
Che Y, Zhang M, Wang S, et al. Stable water isotopes of precipitation in China simulated by SWING2 models[J]. Arabian Journal of Geosciences, 2016, 9(19): 732. DOI:10.1007/s12517-016-2755-5 |
| [15] |
Conroy L, Cobb M, Noone D. Comparison of precipitation isotope variability across the tropical Pacific in observations and SWING 2 model simulations[J]. Journal of Geophysical Research:Atmospheres, 2013, 118(11): 5867-5892. DOI:10.1002/jgrd.50412 |
| [16] |
Midhun M, Ramesh R. Validation of δ18O as a proxy for past monsoon rain by multi-GCM simulations[J]. Climate Dynamics, 2016, 46(5-6): 1371-1385. DOI:10.1007/s00382-015-2652-8 |
| [17] |
Xi X. A review of water isotopes in atmospheric general circulation models: Recent advances and future prospects[J]. International Journal of Atmospheric Sciences, 2014, 2014. http://dx.doi.org/10.1155/2014/250920
|
| [18] |
周淑贞, 张如一, 张超. 气象学与气候学[M]. 北京: 高等教育出版社, 1997: 200-225. Zhu Shuzhen, Zhang Ruyi, Zhang Chao. Meteorology and Climatology[M]. Beijing: Higher Education Press, 1997: 200-225. |
| [19] |
张婉君.降水中稳定同位素的模拟及其与实测值的比较[D].长沙: 湖南师范大学硕士论文, 2017: 21-22. Zhang Wanjun. The Simulation of Stable Isotopes in Precipitation and Its Comparison with Measured Values[D]. Changsha: The Master's Thesis of Hunan Normal University, 2017: 21-22. |
| [20] |
王学界, 章新平, 张婉君, 等. 全球降水中氢氧稳定同位素GCM模拟空间分布的比较[J]. 地球科学进展, 2017, 32(9): 983-995. Wang Xuejie, Zhang Xinping, Zhang Wanjun, et al. Comparison on spatial distribution of hydrogen and oxygen stable isotope GCM simulation in global precipitation[J]. Advances in Earth Sience, 2017, 32(9): 983-995. |
| [21] |
刘鸿波, 何明洋, 王斌, 等. 低空急流的研究进展与展望[J]. 气象学报, 2014, 72(02): 191-206. Liu Hongbo, He Mingyang, Wang Bin, et al. Advances in low-level jet research and future prospects[J]. Acta Meteorological Sinica, 2014, 72(2): 191-206. |
| [22] |
Cai Zhongyin, Tian Lide, Bowen J. ENSO variability reflected in precipitation oxygen isotopes across the Asian summer monsoon region[J]. Earth and Planetary Science Letters, 2017, 475(2017): 25-33. |
| [23] |
丁一汇. 高等天气学[M]. 北京: 气象出版社, 2005: 236-566. Ding Yihui. Advanced Synoptic Meteorology[M]. Beijing: China Meteorological Press, 2005: 236-566. |
| [24] |
丁悌平. 氢氧同位素地球化学[M]. 北京: 地质出版社, 1980: 4-8. Ding Tiping. Hydrogen and Oxygen Isotope Geochemistry[M]. Beijing: Geological Publishing House, 1980: 4-8. |
Abstract
In order to evaluate the applicability of different atmospheric circulation modes in different climate zones, the data of eight water stable isotope atmospheric circulation models (CAM2, ECHAM4, GISSE-F, HADAM3, ISOGSM, LMDZ4, GISSE-N and MUGCM)and the measured data of GNIP were used to analyse the seasonal variations of δ18O in precipitation from 13 typical climate stations in the world. These climate zones are alpine plateau climate, tropical monsoon climate, tropical rainy climate, tropical marine climate, tropical savanna climate, etesian climate, subtropical humid climate, subtropical monsoon climate, temperate marine climate, temperate continental climate, temperate continental humid climate, subfrigid coniferous forest climate and cold ice climate respectively. What's more, the simulation performance between the monthly model data and the measured data of GNIP was evaluated. The analytical results indicated that the three models including LMDZ4, GISSE-N and ECHAM4 have good overall simulation performance. The reasons for seasonal variations of δ18O in precipitation from different stations can be analyzed from the difference of vapor sources during different seasons and the seasonal difference of precipitation during vapor transportation. To analysis the annual variation of δ18O in precipitation from the single station deeply, we used long sequence data from Hongkong to analyse the relationship between the inter-annual variation of δ18O in precipitation and the abnormal atmospheric circulation. The measured data and the simulation results was also analysed. The results indicated that the two models, ECHAM4 and LMDZ4, can simulate the negative correlation between annual δ18O in precipitation from Hongkong station and corresponding southern oscillation index (SOI). After the analysis of effects about δ18O in precipitation from Hongkong station which was the result of abnormal atmospheric circulation during 1998 and 1999, we can come to the conclusion that the source variation of inter-annual vapor and precipitation variation of upstream area on the vapor transporting channel are the main reasons for inter-annual variation of δ18O in precipitation from Hongkong area.