1 引言(Introduction)

大气降水是自然界水循环中的一个非常重要的环节, 也是陆地水体的主要补给来源, 研究降水中稳定同位素的现代过程对研究各类水文过程和古气候具有重要意义(Dansgaard, 1964; Merlivat et al., 1979; Rozanski et al., 1992).早在1953年, Dansgaard研究了降水中稳定同位素的组成.他指出, 降水中的重同位素含量随冷凝温度的降低而下降(Dansgaard, 1953). 1961年, 国际原子能机构(IAEA)和世界气象组织(WMO)合作在全球范围内建立了全球大气降水同位素监测网GNIP (the Global Network of Isotopes in Precipitation) (Dansgaard, 1964).在过去的半个世纪, 基于GNIP资料开展的降水中稳定同位素的研究工作取得了丰硕的成果, 如揭示了降水中稳定同位素变化的纬度效应、大陆效应、降水量效应和温度效应等(Dansgaard, 1964).这为利用储存在冰芯、沉积物等介质中的同位素记录进行古环境的恢复提供了基础数据(姚檀栋等, 2006).然而, 由实测资料提供的降水中稳定同位素空间变化的信息是十分有限的, 且也不够精细, 尤其是在海洋和干旱等地区.比较而言, 利用稳定同位素模型和引入同位素循环的大气环流模式对水循环过程中的同位素进行模拟可部分解决上述问题(Dansgaard, 1964; Joussaume et al., 1984).

1964年, Dansgaard利用简单的瑞利模型模拟了降水中稳定同位素/温度以及δ²H/δ¹⁸O的关系(Dansgaard, 1964).该模式考虑了细致的分馏过程, 由它产生的模拟结果与实际结果是基本一致的.然而, 该模式是在假设空气块与外界隔绝的理想条件下实施的, 因此具有一定的局限性. 1984年, Joussaume等(1984)首次利用引入同位素循环的大气环流模式(GCM)对现代气候条件下降水中稳定同位素的空间分布进行模拟.他们发现, GCM能重现水稳定同位素的时空变化特征、精细解读水循环中稳定同位素与影响因子之间的关系及其相互作用.在那之后, 为了更好地解释古气候代用指标中的稳定同位素以及使精细的模式资料能够相互比较, 水稳定同位素又被引入到另外几个GCM的水文循环中(Jouzel et al., 1987; Hoffmann et al., 1998; Lee et al., 2007).稳定同位素GCM实际上是将稳定同位素的循环引入到GCM水循环的各个阶段.引入了水稳定同位素的GCM在大气网格点之间和表面水体之间输送水稳定同位素.不同水体中稳定同位素的差异由稳定同位素的分馏差异引起(Zhang et al., 2012).然而, 引入稳定同位素效应的GCM是一个非常复杂的系统, 需要在严格的计算条件和模拟环境下运行.这也使得利用GCM模拟水稳定同位素的技术难以被推广.

本研究根据“稳定同位素大气水平衡模式” (iAWBM, isotope Atmospheric Water Balance Model) 1979-2014年的模拟数据, 分析全球降水中稳定同位素空间分布及其基本的稳定同位素效应, 模拟结果与GNIP实测结果进行了比较, 目的在于检验iAWBM对全球水稳定同位素循环的模拟能力, 改善对水循环中稳定同位素效应的认识和理解.

2 模式简介和数据来源(Model description and data sources) 2.1 模式及模拟数据 2.1.1 模式的主要结构

iAWBM是一个全球的格点模式, 格点精度为1.5°×1.5°.它简化了复杂的水稳定同位素分馏过程和大气过程, 仅考虑水平尺度下由温度所确定的凝结分馏或凝华分馏, 在垂直方向上只有一层(章新平等, 2014).

iAWBM的主要公式有大气水平衡方程(Oki et al., 1995):

(1)

式中, PW、、E和P分别为整层大气的可降水量、水平水汽通量散度、下垫面的蒸发率和降水率, t为时间.

水稳定同位素平衡方程为:

(2)

式中, R_v、R_e和R_p分别代表单位质量大气水汽、下垫面被蒸发水汽和大气降水中的稳定同位素(如H₂¹⁸O)相对于H₂¹⁶O的比率.

瑞利分馏模型(Dansgaard, 1964)为:

(3)

式中, α为平衡分馏系数, f为剩余水比例.

根据推导, 降水中稳定同位素比率为:

(4)

通常, 稳定同位素的值用相对于维也纳标准平均海洋水(V-SMOW, Vienna Standard Mean Ocean Water)的千分差来表示, 即

(5)

式中, R_V-SMOW为维也纳标准平均海洋水的稳定同位素比率.

2.1.2 模拟方案及相关数据

模拟的时间从1979年1月1日00:00-2014年12月31日24:00, 时间步长为10 min. t=0时, 规定所有格点的大气水汽中δ¹⁸O_v=-10‰.为了达到稳定同位素的稳定状态, 模式首先对1979年1月进行模拟运行. 1个月之后, 将首次运行后各格点1月31日24:00的δ¹⁸O_v值重新规定为初始值并再次开始模拟运行.模拟所需的整层大气的水汽通量和可降水量PW、下垫面的蒸发率E和降水率P、不同高度温度T均取自欧洲中期数值天气预报中心ECMRWF (European Centre for Medium-Range Weather Forecasts)的再分析数据.

模拟的结果对降水同位素按降水量进行加权平均, 便得到各稳定同位素比率的逐月加权平均值.本文的模拟数据就是基于这些月平均值或月总量序列.有关iAWBM模拟的细节请参阅相关文献(章新平等, 2014).

2.2 实测数据

全球降水中δ¹⁸O和δ²H的逐月数据及相关的气象数据下载自IAEA创建的GNIP数据平台(https://nucleus.iaea.org/wiser/gnip.php).考虑到所有站点年内月数据的缺失会影响年平均值, 同时使实测数据与模拟数据在空间分布上的比较更具合理性, 全球范围所有具有连续1年及以上数据收集的站点被选择.数据长度为1961年到2014年.

3 结果(Results) 3.1 降水中平均δ¹⁸O的空间分布

在所有GNIP站点中, 具有连续1年及以上降水中δ¹⁸O监测数据的站点共有495个.通过对这些站逐月数据的统计, 得到降水中平均δ¹⁸O的空间分布(图 1中的散点).实测的全球降水中平均δ¹⁸O的空间分布显示:在纬向变化上, 低纬度地区的δ¹⁸O高于高纬度地区; 在经向变化上, 海洋地区的δ¹⁸O高于陆地, 尤其是高于内陆地区; 在垂向变化上, 低海拔地区的δ¹⁸O大于高海拔地区. δ¹⁸O的高值区主要分布在距水汽源地较近的中低纬度地区, 如热带太平洋的中部地区、非洲刚果盆地、南美洲东部沿海地区等; 低值区主要分布在距水汽源地较远的中高纬度大陆地区, 如北美洲的北部、格陵兰岛等地区.

模拟结果(图 1中的阴影)显示:降水中δ¹⁸O的空间分布大致与纬线平行, 呈带状分布; 与低纬度和低海拔地区相比, 高纬度和高海拔地区的降水同位素明显被贫化.模拟的δ¹⁸O高值区主要分布在受副热带高压控制的区域, 如30°纬线穿过的南美洲、北美洲、非洲等大陆的西侧海区和地中海地区; 低值区主要分布在高纬度的大陆地区, 最低值出现在格陵兰岛以及南极大陆地区.从实测的与模拟的δ¹⁸O空间分布特征来看, 模拟结果很好地再现了降水中δ¹⁸O变化的纬度效应、大陆效应以及高度效应.但在细节方面, 模拟结果与实测结果存在一定的差异, 如在撒哈拉以南的非洲地区、南美大陆以及赤道附近的西太平洋地区, 模拟结果是偏低的.

为了对模拟的平均δ¹⁸O空间分布的效果进行检验, 将全球495个GNIP站点实测的和由模式在对应网格点模拟的平均δ¹⁸O点绘于图 2a.可以看到, 模拟值与实测值具有较好的一致性, 二者之间的相关系数达到0.57, 超过0.001的信度.在离散度方面, 实测值的变化范围为-28.68‰(82.50°N, 62.33°W)~1.16‰(7.94°S, 14.37°W), 模拟值的变化范围为-26.59‰(75.58°S, 20.57°W)~0.19‰(15.97°S, 5.70°W).经计算, 模拟值与实测值的标准差之比为0.98, 这说明模拟的与实测的平均δ¹⁸O的空间离散程度大致相当. 图 2a中, 位于对角线上的点表示模拟值与实测值相同.但对于大部分站点而言, 它们的点位于对角线的右下方, 说明模拟的平均δ¹⁸O比实际的偏低.由于iAWBM在运行过程中没有考虑雨滴的云下二次蒸发和与周围水汽同位素的交换作用, 这可能是导致模拟结果被低估的一个原因.

3.2 降水中δ¹⁸O季节差的空间分布

以北半球的季节作为基础, 南半球相反, 将4-9月作为暖半年, 10月-翌年3月作为冷半年, 分别计算两者的平均δ¹⁸O之差, 便得到实测的(图 3中的散点)和模拟的(图 3中的阴影)δ¹⁸O季节差的空间分布.在所有GNIP站点中, 具有连续1年及以上降水中δ¹⁸O监测数据且能够计算δ¹⁸O季节差的站点共有489个.

基于实测的δ¹⁸O季节差的空间分布, 在北半球的中低纬度地区, 如西太平洋、东亚、赤道附近的非洲和南美地区, δ¹⁸O季节差多为负值, 说明暖半年的δ¹⁸O小于冷半年; 最小的δ¹⁸O季节差出现在东南亚地区.在北半球的高纬度大陆地区, δ¹⁸O季节差多为正值, 说明暖半年的δ¹⁸O大于冷半年; 最大的δ¹⁸O季节差出现在亚洲北部地区.在南半球, 中低纬度地区如南非和南美的大陆地区, 冷半年δ¹⁸O高于暖半年; 高纬度大陆地区如南极大陆、南美洲的最南端, 冷半年δ¹⁸O低于暖半年.

模拟的δ¹⁸O季节差大致反映了实际的分布情况.在北半球, δ¹⁸O季节差在低纬度地区多为负值, 尤其是在西太平洋、东亚以及南亚的大部分季风区, δ¹⁸O季节差较小; 高纬度地区的δ¹⁸O季节差多为正值, 其中, 在西伯利亚北部高原和山地, δ¹⁸O季节差较大.在大陆的东岸δ¹⁸O季节差多为负值; 大陆西岸的δ¹⁸O季节差多为正值, 其中, 阿拉斯加湾沿岸的δ¹⁸O季节差较大.总体来看, 模拟与实测的δ¹⁸O季节差是基本对应的, 特别是东亚东部、西太平洋、加勒比沿岸等地区, 模拟的δ¹⁸O季节差与实测情况较接近.但是, 在东亚西部和北美中部的内陆地区, 实测的δ¹⁸O季节差为正值, 而模拟的δ¹⁸O季节差为负值.

类似于图 2a, 将489个GNIP站点实测的和模式在对应网格点模拟的δ¹⁸O季节差点绘在图 2b.可以看出, 模拟结果与实测结果之间具有较好的一致性, 二者之间的相关系数达到0.51, 超过0.001的信度.根据统计, 在北半球, 实测的δ¹⁸O季节差变化范围为-4.72‰(21.05°N, 105.8°E)~13.68‰(62.08°N, 129.75°E), 模拟的δ¹⁸O季节差变化范围为-6.66‰(9°N, 38.73°E)~12.69‰(60.72°N, 135.07°W); 在南半球, 实测的δ¹⁸O季节差变化范围为-6.68‰(75.58°S, 20.57°W)~4.94‰(15.58°S, 67.26°W), 模拟的δ¹⁸O季节差变化范围为-10.42‰(38.73°S, 72.59°W)~9.65‰(24.78°S, 65.4°W); 计算的模拟值与实测值的标准差之比为1.14, 即模拟值的离散程度略大于实测值.

从散点的分布来看, 位于第一、三象限的点(模拟的符号与实测的符号相同)有408个, 占总数的83.44%.位于第二、四象限的点(模拟的符号与实测的符号相反)共有81个, 只占总数的16.56%.其中, 位于第二象限的点多在低纬度地区, 位于第四象限的点多在北半球的中低纬度季风区.

3.3 降水量效应的空间分布

在全球GNIP站点中, 具有连续1年及以上且降水中δ¹⁸O与降水量具有同步监测记录的站点有474个.对这些站分别进行统计计算, 得到全球降水中月平均δ¹⁸O与月降水量之间相关系数的空间分布(图 4中的散点).实测结果显示:中低纬度大多数站点的δ¹⁸O与降水量存在负相关关系, 即降水量效应.强降水量效应主要出现在西太平洋暖池, 东亚季风区以及南美洲西海岸地区.中高纬度的大陆地区降水量效应不明显.

从模拟的分布来看(图 4中的阴影), 降水量效应主要出现在中低纬度地区, 且海洋和季风区的降水量效应要比其他地区的降水量效应显著.比较实测与模拟的δ¹⁸O与降水量间相关系数的空间分布特征可知, 模式很好地再现了中低纬度海洋和季风区的降水量效应.但模式放大了降水量效应的影响范围, 如它给出了实际上并不存在的发生在中亚干旱区、北美大陆腹地温带大陆性气候控制区的降水量效应.

为了对模拟的降水量效应进行检验, 把根据474个GNIP站点实际计算的和根据对应网格点模拟计算的δ¹⁸O与降水量间的相关系数点绘于图 2c.可以看出, 模拟结果与实测结果之间具有很好的一致性, 二者之间的相关系数达到0.72, 超过0.001的信度.根据统计, 模拟的δ¹⁸O与降水量间相关系数的符号与实测的δ¹⁸O与降水量间相关系数的符号相同的站点数为370个, 占总站点数的78.06%, 说明两者有比较好的一致性.在全球474个GNIP站点中, 具有降水量效应的站点有354个.对应这354个站点, 模拟的相应网格点全部具有降水量效应, 模拟的符合程度达100%.

3.4 温度效应的空间分布

在全球GNIP站点中, 具有连续1年及以上且降水中δ¹⁸O与温度具有同步监测记录的站点有397个.对这些站分别进行统计, 得到全球降水中月平均δ¹⁸O与月平均温度之间相关系数的空间分布(图 5中的散点).实测结果显示:中高纬度的大陆地区普遍存在温度效应.其中, 在北美大陆北部、欧洲东部、北亚等地区, δ¹⁸O与温度之间的相关系数达0.6以上, 说明这些地区具有强温度效应; 在大部分的海洋和季风区, 降水δ¹⁸O与温度之间主要表现为负相关关系, 即出现“负温度效应”.

模拟的结果(图 5中的阴影)显示, 温度效应主要出现在中高纬度大陆地区.实际观测的出现在北美洲北部、欧洲东部和北亚等地区的强温度效应被很好地模拟出.但在中亚地区, 模拟的δ¹⁸O与温度间相关系数的符号与实际δ¹⁸O与温度间相关系数的符号是相反的.

为了对模拟的温度效应进行检验, 把根据397个GNIP站点实际计算的和在对应网格点根据模拟值计算的δ¹⁸O与温度间的相关系数点绘于图 2d.可以看出, 模拟结果与实测结果之间具有很好的一致性, 二者之间的相关系数达到0.67, 超过0.001的信度.根据统计, 模拟的δ¹⁸O与温度间相关系数的符号与实测的δ¹⁸O与温度间相关系数的符号相同的站点数为333个, 占总站点数的83.88%, 这说明两者有比较好的一致性.在全球397个GNIP站点中, 具有温度效应的站点有317个.对应这317个站点, 模拟的相应网格点具有温度效应的有266个, 约占总数的83.91%.

3.5 大气水线的模拟和比较

在GNIP站点中, 具有连续1年及以上且降水中δ¹⁸O与δ²H具有同步监测记录的站点有476个.对所有这些站的降水同位素进行多年平均值计算, 得到全球空间范围的大气水线MWL (图 6a):

(6)

这个结果与Craig (1961)的GMWL: δ²H=8.0δ¹⁸O+10.0以及Rozanski等(1993)得到的GMWL: δ²H=(8.17±0.06)δ¹⁸O + (10.56±0.65)相差较小, 说明全球大气水线具有相对的稳定性.

模拟得到的对应GNIP格点的全球MWL (图 6b)为:

(7)

模拟的全球MWL斜率略小于8, 截距略大于10.与根据GNIP计算的全球MWL相比, 模拟的MWL斜率和截距均与实测结果相近.

4 结论(Conclusions)

1) 利用稳定同位素大气水平衡模式数据, 分析了全球降水中平均δ¹⁸O、δ¹⁸O季节差、稳定同位素降水量效应、温度效应的空间分布以及全球MWL.模拟结果与GNIP的实际监测结果进行了比较.

2) iAWBM的模拟很好地再现了全球降水稳定同位素的空间分布特征:在低纬度地区, 降水中的稳定同位素被富集, 而在高纬度地区被贫化; 部分海区及沿海地区的δ¹⁸O大于内陆地区; 与低海拔地区相比, 高海拔地区的δ¹⁸O表现为低值.

3) 模拟的降水中δ¹⁸O季节差的分布与实际的分布大致相符:在北半球的低纬度地区, δ¹⁸O季节差主要表现为负值, 而在高纬度大陆地区则表现为正值.在大陆的东岸δ¹⁸O季节差多为负值; 大陆西岸的δ¹⁸O季节差多为正值.

4) 模拟再现了实测的δ¹⁸O与降水量间相关系数的空间分布:中低纬度海洋和季风区具有显著的降水量效应; 中高纬度的大陆地区降水量效应不明显.

5) 模拟再现了实测的δ¹⁸O与温度间相关系数的空间分布:中高纬度的内陆地区具有显著的温度效应; 海洋和季风区的大部分地区出现“负温度效应”.

6) 根据GNIP监测站的长序列数据得到全球MWL: δ²H=8.14δ¹⁸O+11.55.根据相应网格点的模拟数据得到全球MWL: δ²H=7.93δ¹⁸O+10.19.模拟的全球MWL斜率和截距均与实测结果相近.