張曉東, 郭政昇
(1.重慶旅游職業學院, 重慶 409099; 2.山西師范大學 地理科學學院, 山西 臨汾 041004)
大氣降水作為水循環過程中的一個重要環節,是各種水體的重要補給來源,水循環在時間和空間上不斷地發生變化,影響著一個地區生態環境的平衡,也是地區可持續發展的重要影響因素。18O和D是水分子中所蘊含的天然同位素,隨水分子的運移廣泛參與到自然界水循環中[1]。由于水汽所經過不同區域自然條件的差異,溫度、降水量、海拔等環境因素將導致水汽中的穩定同位素發生相應的分餾,之后的蒸發、不同水體間的局地水循環則會引起同位素的二次分餾,表現為水體中穩定同位素濃度與自然環境條件之間的相關性[2],是目前追蹤大氣降水水汽來源及大氣環流過程的主要手段。近年來諸多學者的研究表明,水汽源區的變化與大尺度對流過程制約著降水穩定同位素的特征[3],而ENSO(El Nio-Southern Oscillation)事件作為全球海氣耦合的最強信號之一,對東亞季風區降水穩定同位素的年際波動有著極大的影響[4]。
目前國內外對水汽源區變化/ENSO與降水穩定同位素之間遙相關關系的研究尚處于起步階段。Vimeux等[5]、Tremoy等[6]、Kurita[7]證明了水汽源區變化與降水δ18O之間存在顯著相關性,并對其內在機制進行了初步探索;Gao等[8]、He等[9]對青藏地區降水中的氫氧同位素與北印度洋對流活動之間的關系進行了研究;我國學者對珠江三角洲地區[10]、洞庭湖流域[11]、上海[12]降水中同位素組成與分布特征與ENSO事件的關系進行初步探索,證明了ENSO事件對降水穩定同位素的影響,但ENSO事件對季風區的影響是否具有同一性仍待明確。向外長波福射OLR(Outgoing Longwave Radiation)是從大氣層外觀測到的地氣系統的對外輻射,是熱帶對流指示量,也是熱帶環流異常的重要表征[13]。相比于傳統方法,OLR技術能夠更精確地反映水汽源區熱帶輻合帶(Intertropical Convergence Zone,ITCZ)的位置與強度變化,并廣泛的應用于海氣相互作用等方面的研究。因OLR對ENSO事件的過程有著極為敏感響應,美國國家環境預報中心與日本氣象廳等機構均將OLR技術用于ENSO事件的監測工作中[14]。目前對于OLR資料的應用主要集中于氣象領域,Tang等[15]將OLR技術應用于同位素水文學研究中,對2012—2014年南京降水穩定同位素與水源區ITCZ位置與強度變化之間的相關性進行了探索。然而目前對水源區變化/ENSO事件與δ18O相關機制的研究剛剛起步,尚不明確ENSO事件對不同區域降水穩定同位素的影響程度及特征,也需要用新的方法深入對水汽源區變化過程的探索,提高指示精度,完善對ENSO事件發展過程的示蹤。
福州位于我國東部季風區的東南沿海,地貌為河口盆地,閩江由此入海,屬亞熱帶海洋性季風氣候[16]。能夠避免水汽深入內陸導致的同位素分餾及局地氣候帶來的影響,從而更為準確的反映同位素特征對ENSO事件的響應過程。本文依據福州站點的降水同位素與氣象數據,利用OLR技術進一步探索水汽源區變化及ENSO事件對降水中同位素特征的影響,能夠深入了解我國季風區水汽來源及降水過程的變化,有助于進一步推進對季風區水循環機制的研究。
本文所用的福州站點(26.08°N,119.28°E)月均降水穩定同位素數據來自全球大氣降水同位素網絡(Global Network of Isotope in Precipitation,GNIP),數據起止時間為1985—1992年。同位素δ值均以維也納標準海洋水(V-SMOW)的千分差表示:
δ18O(orδD)=[(R水樣/RV-SMOW)-1]×1000‰
式中:R水樣、RV-SMOW分別為樣品與V-SMOW中的18O/16O及D/H比值。
福州站點的氣象數據來自中國氣象數據網,OLR數據源自國家衛星氣象中心提供的風云二E地球同步軌道氣象衛星,可見光紅外自旋掃描輻射儀所處理的月均向外長波福射(OLR)數據,空間分辨率為1°×1°。衛星定位于105°E,能更好的反映我國及周邊區域的水熱狀況及ENSO背景下水汽源區的演變過程。
OSIn=Std(∑ONI)-Std(∑SOI)
將海氣綜合強度指數(OSI)作為劃分ENSO事件強度的依據,參照陳虹穎等[17]的分類方法,按表1標準將ENSO事件分為極強、強、中等、弱、極弱5個等級,字母E代表各階段厄爾尼諾事件,字母L代表各階段拉尼娜事件,1985—1992年共經歷了2次厄爾尼諾事件和2次拉尼娜事件,劃分結果見表2。

表1 ENSO事件的海氣綜合強度指標

表2 厄爾尼諾事件和拉尼娜事件統計
對福州站的δ18O、降水、氣溫數據分別按厄爾尼諾年、正常年、拉尼娜年計算采樣時段內多年月平均值,結果如圖1所示。
總體上,福州站δ18O值表現為夏半年較低冬半年較高的趨勢,由1月至12月表現為先波動下降再急劇上升的過程。由各事件年來看,δ18O值總體表現出厄爾尼諾年>正常年>拉尼娜年的特征,特別是在夏季,這一特征更為突出,證明降水中δ18O值的水平敏感的響應著ENSO事件對季風氣候的影響。由圖1可見,厄爾尼諾年、正常年、拉尼娜年的氣溫差異并不顯著,但各事件年降水的差異則十分明顯,與各事件年δ18O值的變化有著較好的對應。依據各事件年降水量數據,計算雨季4—10月各事件年降水量所占比例(圖2),可見在前期(4—7月)厄爾尼諾年降水量所占比例穩定在40%左右,而在后期(8—10月),特別是9—10月則是拉尼娜年降水比例顯著增多,因而厄爾尼諾年降水顯著集中于雨季前期,而拉尼娜年降水在雨季后期占主導地位。由此可見,ENSO事件對大氣降水δ18O的影響主要通過影響降水的年內分布,特別是雨季降水的時間分布狀況而實現。

圖1 福州大氣降水δ18 O、降水量、溫度的多年平均變化

圖2 雨季各事件年平均降水量對比
大氣降水中δD和δ18O之間的線性關系被稱作大氣降水線方程。因降水中的同位素分餾狀況及比率變化受降水區自然環境要素的影響,大氣降水線方程代表著穩定同位素與地理特征之間的獨特關系,深刻的反映著不同地域獨特的降水特征[18]。依據78組月均數據,得到福州站厄爾尼諾年、正常年、拉尼娜年大氣降水線方程為:
厄爾尼諾年:δD=8.03δ18O+12.87(R2=0.89)
正常年:δD=8.21δ18O+10.38 (R2=0.92)
拉尼娜年:δD=8.68δ18O+16.80 (R2=0.98)
圖3為福州δD-δ18O間的線性關系,可見厄爾尼諾年的斜率小于正常年,拉尼娜年的斜率與截距均大于正常年,表明ENSO事件對降水中穩定同位素的分餾狀況有著規律性的影響,造成這一差異的原因可能是由于ENSO事件改變了福州降水的年內分配狀況。厄爾尼諾年降水集中于雨季前期,是旱季向雨季轉換的季節,蒸發旺盛,雨水在降落過程中受到了二次蒸發,局地再循環水汽在降水中所占比例也較高,從而使厄爾尼諾年的斜率與截距降低。拉尼娜年降水集中于雨季后期,水汽蒸發趨緩,局地再循環水汽在降水中的比例也隨之下降,從而推高了拉尼娜年的斜率與截距。但這一結論與上海[12]站的大氣降水線方程不同,其厄爾尼諾年的斜率與截距在數值上大于非厄爾尼諾年。由此可見,ENSO事件對大氣環流的影響極為復雜,其對大氣降水線方程的影響因地區而異,這一規律還有待于進一步研究。與Yurtsever等[19]獲得的全球大氣降水線方程(δD=8.17δ18O+10.56)相比,正常年斜率與截距與之極為相近,非正常年斜率與截距則發生輕微的反向變化;與Liu等[20]提出的中國降水線方程(δD=7.48δ18O+1.01)、柳鑒容等[21]所報道的中國東部季風區降水線方程(δD=7.46δ18O+0.90)相比,斜率與截距均較高,與珠江流域大氣降水線方程(δD=8.08δ18O+11.00)相近[18]。綜合來看,與全球、珠江流域大氣降水線方程相近,而較中國各地大氣降水線方程顯著較高的斜率與截距,體現出暖濕性的氣候特征。

圖3 福州大氣降水線方程
在我國季風區,降水同位素組成受環境因素的制約,在不同季節形成不同的氫氧穩定同位素特征[22],其中溫度與降水量對同位素分餾比率的影響最為顯著。因全年尺度下的環境效應并不顯著,依據福州站月均數據,分別計算各事件年旱雨兩季的降水量效應與溫度效應(表3)。

表3 福州大氣降水δ18 O與氣溫、降水的關系

在影響降水穩定同位素特征的諸多因素中,水汽源區變化首先影響著穩定同位素的分餾狀況,水汽團運移過程與降水區環境特征都是在其基礎上,對降水中的穩定同位素特征進行再塑造[23]。就水汽源區變化的影響而言,ENSO事件無疑是最為顯著的因子,對水汽源區的季節性演變、區域乃至全球的降水、氣溫等氣候要素的異常有著密切關系[24],并直接影響著水循環中穩定同位素的分餾狀況與特征。由于降水同位素的水平及特征在一個較長的時期內都處于較為穩定的狀態,綜合考慮降水同位素與氣象衛星數據的起止時間,因ENSO事件的多為跨年度發生,且轉換時間一般為夏半年,選定2015—2016年、2014—2015年、2010—2011年作為厄爾尼諾年、正常年與拉尼娜年的分析時間,以7月、10月、1月、4月OLR場圖代表水汽源區的年內變化狀況。需要說明的是,2015—2016年厄爾尼諾事件為極強,其OLR場表現較拉尼娜年更為極端,但也更加凸顯其變化規律,結果如附圖1所示。
同月份在不同ENSO事件背景下,水汽源區的狀況有著顯著差異,其OLR值總體上呈現出厄爾尼諾年>正常年>拉尼娜年的特征,這與圖2中各站點在不同年份背景下表現出的δ18O值水平差異相一致,證明ENSO事件背景下水汽源區的變化對δ18O值的年際變化有著很大的影響。
具體來看,7月代表的夏季是氣溫最高、降水較多的季節,此時厄爾尼諾年水汽源區的OLR場表現為高值區域,無明顯的水汽中心,而正常年與拉尼娜年則建立了明顯的ITCZ。正常年孟加拉灣與西太平洋水汽源連為一體,西太平洋OLR低值區程度更深,水汽輻合更強,而拉尼娜年則相對較弱,孟加拉灣低值區輻合更強,表明正常年與拉尼娜年水汽源區特征差異顯著。這一時期各站點正常年與拉尼娜年降水量總體大于厄爾尼諾年,由沿海向內陸這一特點更趨明顯,圖1中的δ18O值同樣表現為正常年>拉尼娜年>厄爾尼諾年,與OLR場特征一致,這一時期也是OLR與δ18O值的差異表現最為顯著的時期。
10月代表的秋季是氣溫與降水逐步降低的階段,此時水汽源區已經南移,副高已經控制華南地區,厄爾尼諾年與正常年ITCZ顯著減弱,而拉尼娜年則十分明顯。這一時期降水顯著減少,δ18O值則出現了拉尼娜年與厄爾尼諾年先上升再下降的現象,特別是在11月演變為拉尼娜年>正常年>厄爾尼諾年,與OLR場一致。此時拉尼娜年輻合帶范圍更廣、更偏北且程度更深,海溫相對較高且水汽運移路線相對于正常年與厄爾尼諾年更短,穩定同位素在水汽團運移過程中貧化程度更低,氣溫降低的同時δ18O值下降并不多。
1月代表的冬季是是氣溫與降水最低的季節,10°N地區由副高控制,ITCZ退至赤道地區,厄爾尼諾年輻合中心極為微弱,而正常年與拉尼娜年則較為明顯。這一時期拉尼娜年輻合帶保持著范圍更廣、更偏北且程度更深的特點,但這一時期福州主要受北方大陸氣團影響,水汽源區的變化與δ18O的變化并不同步。
4月代表的春季是氣溫與降水逐步升高的階段,此時副高減弱,ITCZ北移,厄爾尼諾年輻合中心逐漸加強,正常年與拉尼娜年較為明顯,正常年ITCZ加深,厄爾尼諾年ITCZ至5月方才建立,降水也隨之增多。這一時期是厄爾尼諾年ITCZ最強的時期,隨著孟加拉灣水汽源區的發展,厄爾尼諾年δ18O值逐漸上升,這一時期δ18O值水平全部為厄爾尼諾年>正常年>拉尼娜年的狀態。
基于以上對OLR場各事件年內變化規律的分析,為進一步確證水汽源區的位置及其在不同ENSO背景下的總體變化狀況,依據各事件年12個月份的月均OLR場,得到各事件年的年均OLR場,并分別計算厄爾尼諾年/拉尼娜年與正常年的差值,結果見附圖2。
從ENSO事件的發展過程來看,與正常年相比,厄爾尼諾與拉尼娜年ITCZ的變化規律呈現出相反的趨勢。厄爾尼諾年ITCZ在4月開始建立并加深,至7月達到最盛,而10月則較弱;正常年在7月和4月左右是ITCZ程度最深的階段;拉尼娜年ITCZ則在10月達到最盛,1月仍保持著較大的范圍。因此,厄爾尼諾年ITCZ主要建立并加深在春夏季,且總體偏南,規模較小;而拉尼娜年ITCZ則在秋季達到一年中的峰值,總體偏北,范圍較大,不同事件年ITCZ的變化特征與福州站δ18O的環境效應規律相吻合。厄爾尼諾年對降水和δ18O值的影響主要體現在雨季前期,而拉尼娜年主要體現在雨季的后期,這與2.1與2.3中的分析結果一致。
厄爾尼諾年與正常年的OLR差值主要體現在西太平洋,印度洋水汽源區差值與范圍相對較小,主要位于赤道附近地區,其OLR均值較正常年偏高10~15 W/m2。拉尼娜年OLR差值同樣體現在西太平洋水汽源區,且范圍更廣,強度更大,其OLR均值較正常年偏低20 W/m2左右,而印度洋水源區的波動范圍與強度相較于厄爾尼諾年都明顯減弱。拉尼娜年水源區位置要更靠北,接近10°N左右,西太平洋水汽源區的波動范圍與強度都遠大于印度洋水源區,因此印度洋水源區較為穩定,西太平洋水汽源區位置與對流強度的變化是ENSO事件年中影響研究區降水穩定同位素變化的主要因子。
(1) ENSO事件背景下的水汽源區變化是影響穩定同位素年際差異的主要因素,主要通過影響降水的年內分配,特別是雨季降水的時間分配狀況而實現;ENSO事件對大氣降水線方程有著明顯規律性的影響,拉尼娜年凸顯出海洋性較強的氣候特征;厄爾尼諾年減弱雨季降水量效應而增強旱季反溫度效應,拉尼娜年則削弱旱季反溫度效應。
(2) 水汽源區ITCZ的位置、對流活動強度及氣團運移過程顯著影響著穩定同位素的特征,厄爾尼諾與拉尼娜年ITCZ的變化規律呈現出相反的趨勢,其OLR場的變化與研究區穩定同位素特征有著較強的對應關系;西太平洋水汽源區位置與對流強度的變化是ENSO事件年中影響研究區降水穩定同位素變化的主要因子。
本文基于OLR技術初步研究了ENSO事件對福州降水中穩定同位素的影響,由于ENSO事件的影響及水汽源區變化的過程極為復雜,降水穩定同位素對ENSO事件的響應機制仍需深入探索。福州大氣降水線方程在不同事件背景下的變化規律與上海相反,這說明ENSO事件對大氣水線方程的影響具有顯著的地域差異性,但目前尚無更多的資料說明ENSO事件對水線方程產生影響的規律;其次,目前對這一機制的研究尚處于起步階段,在今后的研究中有望通過大氣環流模型或其他技術手段進一步做出定量化分析。