湛江地區(qū)汛期降水穩(wěn)定同位素的變化與水汽來源的關(guān)系

甘秋瑩,范伶俐,陳漢森,李麗芳,李俊宇,鄭偵明

(廣東海洋大學(xué)海洋與氣象學(xué)院,廣東 湛江 524088)

引言

大氣降水是陸地水資源的重要來源,其穩(wěn)定同位素D(2H)和18O作為天然的示蹤劑,一直以來是水文學(xué)、水文氣象學(xué)及環(huán)境化學(xué)等學(xué)科的研究熱點(diǎn)[1-4]。降水穩(wěn)定同位素δD和δ18O之間的線性關(guān)系可表示為大氣降水線,大氣降水線反映一個(gè)地區(qū)的自然地理和氣象條件,常用于分析歷史氣候變遷及水汽來源等問題[5-6]。1961年,CRAIG[7]根據(jù)全球400多個(gè)降水、河水、湖水樣品定義了全球大氣水線(global meteoric water line,GMWL)δD=8δ18O+10,后修定為:δD=8.17δ18O+10.35[8-9]。特定區(qū)域大氣降水氫氧同位素組分之間的線性相關(guān)關(guān)系稱局地大氣降水線[7]。地區(qū)的降雨過程受到動(dòng)力分餾作用[10]等影響,地區(qū)降水線會與大氣降水線呈現(xiàn)截距和斜率上的差異。同時(shí),氫氧同位素組分受到傳輸過程差異以及環(huán)境因子等諸多因素的影響而出現(xiàn)差異,如溫度效應(yīng)[11-14]、降水量效應(yīng)[8,15-16]等,因此,可以通過分析降水同位素特征判定水汽的來源。

HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory)氣流軌跡模式是廣泛使用的氣團(tuán)溯源模型之一[17-18],該模式基于拉格朗日方法對氣塊軌跡的模擬進(jìn)行計(jì)算,氣塊隨著三維風(fēng)場運(yùn)動(dòng),運(yùn)動(dòng)軌跡可視為氣塊在時(shí)間和空間上的位置矢量積分,通過對后向軌跡進(jìn)行分析,可確定氣團(tuán)的來源[19-21]。

降水是大氣中水的相變過程。某一地區(qū)降水的形成,從天氣學(xué)角度分析有兩個(gè)條件。首先是水汽由源地水平輸送到降水地區(qū),這是水汽條件。其次是水汽在降水地區(qū)輻合上升,在上升中絕熱膨脹冷卻凝結(jié)成云,這是動(dòng)力條件[22-24]。

湛江地區(qū)降水多發(fā)生在每年4—9月(華南汛期)且伴有熱帶風(fēng)暴影響,年降水量近1 800 mm[25-26],暴雨等極端天氣容易形成洪澇災(zāi)害,造成人員傷亡和財(cái)產(chǎn)損失。目前的研究[27-29]表明,南海和孟加拉灣是湛江地區(qū)的重要水汽源。了解水汽來源對湛江地區(qū)降水預(yù)報(bào),尤其是對前汛期旱澇預(yù)判具有重要指示作用。本文基于湛江地區(qū)2019年5—10月收集的68個(gè)大氣降水的氫氧穩(wěn)定同位素(δD與δ18O)樣品實(shí)測值,結(jié)合研究區(qū)域同期氣象觀測資料數(shù)據(jù),利用HYSPLIT軌跡模式及天氣學(xué)分析方法深入探討了該地區(qū)降水的水汽來源,研究結(jié)果可以為進(jìn)一步完善全國乃至全球的降水同位素監(jiān)測網(wǎng)絡(luò)提供科學(xué)依據(jù)和參考。

1 研究區(qū)概況

湛江市(20°13′～21°57′N,109°40′～110°58′E)隸屬廣東省,多年平均氣溫23.5 ℃,年降水量超1 500 mm[25]。該地區(qū)雨熱同期,屬亞熱帶季風(fēng)氣候;因其氣候的不穩(wěn)定性,也屬于“典型氣候脆弱區(qū)”[25-26]。其降水主要集中在汛期,汛期可分為前汛期(4—6月)和后汛期(7—9月);前汛期降水主要受鋒面低槽系統(tǒng)影響[29],后汛期降水主要以熱帶氣旋、熱帶輻合帶等熱帶系統(tǒng)降水為主。陳楊瑞雪[30]根據(jù)時(shí)間序列長度為1979—2014年的ERA-interim再分析數(shù)據(jù)分析表明:前汛期在南海夏季風(fēng)爆發(fā)前,沿西太平洋副熱帶高壓外圍的東南向氣流是華南的重要水汽通道, 使得太平洋地區(qū)在此階段為重要的水汽貢獻(xiàn)區(qū),貢獻(xiàn)了21%的水汽;前汛期在南海夏季風(fēng)爆發(fā)后, 越赤道氣流的建立增強(qiáng)了來自西南方向的水汽輸送,使得源于孟加拉灣和印度洋的水汽貢獻(xiàn)顯著增加。后汛期,西向的水汽通道搭建以后,湛江地區(qū)水汽主要由西南向水汽通道帶來孟加拉灣的水汽;臺風(fēng)等熱帶系統(tǒng)帶來南海及西北太平洋的水汽[22,30]。

2 研究方法

2.1 降水樣品的采集與同位素測定

2019年5—10月,在廣東海洋大學(xué)科技樓頂放置雨量筒,每次降雨過程結(jié)束后,立即用采樣瓶收集降水樣品,迅速擰緊蓋子密封,放進(jìn)實(shí)驗(yàn)室-20 ℃的恒溫冰柜保存,共收集68個(gè)降水樣品,通過廣東海洋大學(xué)陸架及深遠(yuǎn)海氣候、資源與環(huán)境廣東省高等學(xué)校重點(diǎn)實(shí)驗(yàn)室的253 Plus質(zhì)譜分析儀器進(jìn)行同位素的測定(δD的測定精度為±<0.2%,δ18O的測定精度為±<0.02%),最終得到降水樣品中的δD和δ18O的數(shù)據(jù)。同期的降水量、日平均氣溫、日照的觀測數(shù)據(jù)來自湛江市地面氣象觀測站。

2.2 HYSPLIT氣團(tuán)軌跡模型

大氣氣團(tuán)傳輸過程采用美國NOAA空氣資源實(shí)驗(yàn)室開發(fā)的拉格朗日積分軌跡模型(HYSPLIT)(https://ready.arl.noaa.gov/HYSPLIT_traj.php)進(jìn)行后向軌跡模擬[15,31-32],該軌跡模型被用于追蹤降水降雪過程的水汽來源[17-18]。模擬區(qū)域選取湛江地區(qū)(21.3°N,110.4°E),4—6月初始場空間分辨率0.5°×0.5°,7—9月初始場空間分辨率0.25°×0.25°。水汽輸送主要在對流層低層,且華南汛期水汽含量的85%集中于700 hPa以下的大氣層當(dāng)中[33],因此垂直高度上選取1 500 m作為模擬的初始高度。模擬空氣塊后向軌跡追蹤5 d的三維軌跡,每6 h從同一位置重新開始計(jì)算一條軌跡。

2.3 降水個(gè)例物理量場分析

根據(jù)湛江汛期不同時(shí)期的水汽輸送特征,選取汛期降水的5個(gè)代表性個(gè)例,利用歐洲中期天氣預(yù)報(bào)中心(European Center for Medium-Range Weather Forecasts,ECMWF)的再分析資料(分辨率0.125°×0.125°)和實(shí)況降水觀測資料,從水汽條件和動(dòng)力條件兩個(gè)方面探討湛江地區(qū)2019年汛期降水的水汽來源和成因。850 hPa水汽通量及風(fēng)場合成圖可以估計(jì)水汽的來源;850 hPa水汽通量散度圖,可以判斷湛江地區(qū)是否處于水汽通量輻合區(qū),并結(jié)合垂直運(yùn)動(dòng)尋找降水的動(dòng)力條件[23]。

2.4 數(shù)據(jù)處理與分析

運(yùn)用Grapher12 制圖軟件作圖得到局地大氣降水線方程,利用SPSS12.0統(tǒng)計(jì)分析軟件進(jìn)行變量的相關(guān)性分析,得到降水量與溫度以及日照時(shí)長和δ18O之間的相關(guān)關(guān)系,運(yùn)行HYSPLIT模型開展氣團(tuán)傳輸后向軌跡的模擬,用Grads繪圖軟件將汛期降水個(gè)例的物理量場進(jìn)行可視化處理。

3 結(jié)果與分析

3.1 大氣降水δD和δ18O的特征

在δD和δ18O的關(guān)系圖中,表示降水δD和δ18O關(guān)系的直線為大氣水線(meteoric water line, MWL)。除了全球大氣水線(GMWL)以外,不同的地區(qū)也有反映區(qū)域降水特點(diǎn)的局地大氣水線(local meteoric water line,LMWL)[8]。根據(jù)湛江地區(qū)2019年5—10月大氣降水δD(δ18O)實(shí)測值,將大氣降水的δD對δ18O通過最小二乘法進(jìn)行線性回歸分析,得到湛江地區(qū)局地大氣水線為:δD=8.023δ18O-0.703 7,R2=0.954,n=68(圖1)。與全球大氣降水線相比,擬合方程的斜率差距不大,而截距明顯偏小,即過量氘(D-excess)明顯偏小, 過量氘反映了水體在動(dòng)力分餾過程中穩(wěn)定同位素變化的差異,受水汽源地的溫度以及相對濕度影響,同時(shí)也與降水過程中的氣象條件有關(guān)。近距離傳輸?shù)臐駶櫄饬髦?8O的含量偏大,一定程度上導(dǎo)致過量氘偏小[16]。

圖1 湛江地區(qū)局地大氣降水線Fig.1 Local meteoric water line in Zhanjiang

一般而言,海洋的濕潤氣流中18O和D含量偏高。近距離的水汽輸送可使到達(dá)研究區(qū)域的降水中δ18O含量偏高;長距離的水汽輸送中,由于途中的分餾作用導(dǎo)致18O流失,到達(dá)研究區(qū)域的18O含量偏低;另外局地大氣循環(huán)所帶來的降水中,18O含量也偏低[16]。分析表明，δD和δ18O的值受氣象要素的影響總體上呈現(xiàn)波動(dòng)變化。5月,受濕潤海洋氣流近距離傳輸?shù)挠绊?δD和δ18O的值都偏高,D-excess值較大。 7月底到8月初,臺風(fēng)帶來的持續(xù)降水造成的降雨量效應(yīng)的作用,使得δD和δ18O出現(xiàn)最低值,8月底到9月同位素變化值不大,與整個(gè)時(shí)間段對比起來,δD和δ18O的值相對較低,δD達(dá)到-8%,δ18O達(dá)到-1%。2019年的厄爾尼諾事件影響下,此階段登陸華南地區(qū)的臺風(fēng)較常年偏少[34-35],判斷此階段降水的水汽來源于遠(yuǎn)距離海洋的水汽輸送,或是局地大氣循環(huán)導(dǎo)致的可能性較大(圖2)。

圖2 2019年汛期降水穩(wěn)定同位素及氣象要素的變化趨勢(a.D-excess；b.δD；c.δ18O；d.日照時(shí)長,單位:h；e.氣溫,單位:℃；f.降雨量,單位:mm)Fig.2 Variation trend of stable isotopes in precipitation and meteorological elements in flood season in 2019 (a. Dexcess; b. δD; c. δ18O; d. sunshine duration, units: h; e. air temperature, units: ℃; f. precipitation, units: mm)

3.2 降水δ18O與溫度的關(guān)系

將降水δ18O的數(shù)據(jù)與溫度(T)進(jìn)行線性回歸分析,得降水δ18O-T線性方程:δ18O=0.652T-22.684,R2=0.095,n=68(圖3a)。利用SPSS軟件進(jìn)行直接相關(guān)分析得到Pearson系數(shù)[36-38]為0.309,相關(guān)性通過了顯著性水平為0.01的顯著性檢驗(yàn)。剔除降雨量和日照時(shí)數(shù)影響,降水δ18O與溫度(T)偏相關(guān)系數(shù)為0.058,相關(guān)性沒有通過顯著性檢驗(yàn)。猜測溫度因子不是直接影響δ18O的含量變化,而是通過影響其他因子的變化進(jìn)而影響δ18O的含量變化。氣溫的升高同時(shí)會導(dǎo)致蒸發(fā)作用的加強(qiáng),云下的二次蒸發(fā)作用對18O有富集作用[16]。正是溫度這種通過影響其他因子的變化進(jìn)而影響18O含量變化的機(jī)制,使得溫度與δ18O的含量呈現(xiàn)顯著的正相關(guān)關(guān)系。

3.3 降水δ18O與降雨量的關(guān)系

將降水δ18O的數(shù)據(jù)與降雨量(P)進(jìn)行線性回歸分析,得降水δ18O-P線性方程:δ18O=-0.018 5P-4.414,R2=0.054,n=68(圖3b)。剔除氣溫和日照時(shí)數(shù)影響,降水δ18O與降雨量(P)偏相關(guān)系數(shù)為-0.126,相關(guān)性沒有通過顯著性檢驗(yàn)。一般情況下,由于降水量效應(yīng)的作用,降雨過程導(dǎo)致水汽中18O丟失,因此降水量效應(yīng)的結(jié)果就是導(dǎo)致一般情況下降雨量的大小與δ18O呈負(fù)相關(guān)關(guān)系[16]。在降雨量與δ18O的相關(guān)分析中,猜測降雨量與δ18O之間的關(guān)系一方面受到降水區(qū)干燥環(huán)境導(dǎo)致的云下二次蒸發(fā)對雨水18O富集作用的影響[16],一部分因降水流失的18O得到補(bǔ)充;另一方面,部分18O含量豐富的近海水汽對本地降雨有一定的貢獻(xiàn)[8]。分別對5、6月和7、8月的降雨量和δ18O的關(guān)系作線性回歸分析。結(jié)果顯示:5、6月呈現(xiàn)的降雨量和δ18O的負(fù)相關(guān)關(guān)系更弱(R2=0.008 5)。這是因?yàn)?月中旬西南季風(fēng)爆發(fā)以后,湛江地區(qū)的水汽源地主要是南海,18O含量豐富的近海水汽一定程度上補(bǔ)給了因降雨量效應(yīng)導(dǎo)致的18O的丟失,以至于即使在降雨量較大的情況下18O丟失的量不算太多,最后致使湛江在這一時(shí)期所呈現(xiàn)的降雨量效應(yīng)較弱,負(fù)相關(guān)程度不高[8]。

3.4 降水δ18O和日照時(shí)長的關(guān)系

將降水δ18O的數(shù)據(jù)與日照時(shí)長(S)進(jìn)行線性回歸分析,得降水δ18O-S線性方程:δ8O=0.379S-5.964,R2=0.156,n=68(圖3c)。進(jìn)行直接相關(guān)分析得到Pearson系數(shù)為0.395,相關(guān)性通過了顯著性水平為0.01的顯著性檢驗(yàn)。剔除氣溫和降雨量的影響,降水δ18O與日照時(shí)長偏相關(guān)系數(shù)為0.265,也通過了顯著性水平為0.01的顯著性檢驗(yàn)。分析說明日照時(shí)長對雨水中18O含量有重要影響作用,日照時(shí)長越長,增溫越大,蒸發(fā)作用導(dǎo)致18O的富集。

圖3 各氣象要素與δ18O的關(guān)系(a.氣溫,單位:℃；b.降水量,單位:mm；c.日照時(shí)長,單位:h)Fig.3 Correlation between meteorological element and δ18O (a. air temperature, units: ℃; b. precipitation, units: mm; c. sunshine duration, units: h)

3.5 HYSPLIT軌跡模型模擬

對湛江2019年汛期降水穩(wěn)定同位素的分析結(jié)果表明,5—6月,δ18O偏高,考慮西南季風(fēng)帶來西太平洋的水汽,海洋水汽的近距離輸送致使δ18O偏高的可能性偏大;7—9月,δ18O偏低,考慮局部大氣環(huán)流,水汽長距離運(yùn)輸及干燥環(huán)境下一定程度的云下二次分餾作用造成δ18O的偏低。鑒于δ18O的變化與水汽的源地有密切的聯(lián)系,為了進(jìn)一步驗(yàn)證氫氧穩(wěn)定同位素技術(shù)指示湛江地區(qū)大氣降水水汽來源結(jié)果的可靠性,本研究選取湛江地區(qū)2019年汛期降水事件中5次典型降水事件(即前汛期西南季風(fēng)爆發(fā)前和西南季風(fēng)爆發(fā)后;后汛期由熱帶系統(tǒng)帶來降水及由非熱帶系統(tǒng)帶來的降水),利用 HYSPLIT 模型進(jìn)行氣團(tuán)軌跡模擬,垂直方向上選取1 500 m高度作為模擬的初始高度,模擬其5 d后向氣團(tuán)運(yùn)動(dòng)軌跡(圖4)?？梢钥闯?前汛期西南季風(fēng)爆發(fā)前,湛江地區(qū)主要是副熱帶高壓外圍的東南氣流輸送西太平洋的水汽(圖4a);前汛期西南季風(fēng)爆發(fā)后,越赤道氣流帶來西南方向孟加拉灣和南海的水汽(圖4b);后汛期由臺風(fēng)等熱帶系統(tǒng)帶來的降水中,其水汽主要來自南海和孟加拉灣(圖4c和圖4d),后汛期由非熱帶系統(tǒng)帶來的降水中,其水汽主要來自孟加拉灣(圖4e)。

3.6 代表性降水個(gè)例物理量診斷分析

在對同位素的時(shí)間變化特征分析中,同位素的變化特征與水汽的源地及傳輸過程的氣象條件也有密切的聯(lián)系,環(huán)境風(fēng)場為水汽的輸送提供動(dòng)力條件,而水汽輸送過程水汽的輻合作用有利于降水,使得降水量效應(yīng)一定程度上導(dǎo)致18O的丟失。HYSPLIT積分軌跡模型運(yùn)用拉格朗日方法對湛江地區(qū)降水過程的水汽源地進(jìn)行了溯源分析。在此基礎(chǔ)上,對該地區(qū)的風(fēng)場,水汽等的空間分布隨時(shí)間的演變特征來進(jìn)一步分析,即運(yùn)用歐拉方法定量分析湛江地區(qū)上空水汽條件,進(jìn)而探索有利于水汽輸送的氣象條件以及進(jìn)一步驗(yàn)證HYSPLIT模擬的結(jié)果。本次研究選取湛江2019年汛期5個(gè)降水代表性個(gè)例,研究其降水過程水汽輸送特征及動(dòng)力條件,進(jìn)一步診斷降水水汽的來源。

分析前汛期湛江850 hPa物理量場(圖5和圖6):1)4月13—16日，這段時(shí)期的水汽主要來自西南氣流輸送。水汽通量輻散區(qū)逐漸擴(kuò)大,16日00時(shí)(世界時(shí),下同)水汽通量負(fù)散度小于-1×10-7g·hPa-1·s-1·cm-2(圖5a);13日12時(shí)、15日12時(shí)湛江地區(qū)上空850 hPa具有垂直向上的運(yùn)動(dòng)(圖6a);16 日起,水汽輸送減弱;水汽的輻合和動(dòng)力抬升有利于這次降水過程的形成。2)5月28日—6月2日，水汽主要來源于孟加拉灣和南海。28日,湛江位于水汽通量負(fù)散度區(qū),30日起,增強(qiáng)的西南氣流將北部灣水汽輸送到湛江上空(圖5b);2日06—12時(shí)氣流向上運(yùn)動(dòng)(圖6b),為降水提供了有利的動(dòng)力條件。

圖4 湛江地區(qū)2019年汛期部分降水事件的氣團(tuán)后向軌跡模擬(每隔6 h從同一位置重新開始計(jì)算;色標(biāo)為軌跡通過網(wǎng)格的頻率之和,圖中的軌跡頻率的網(wǎng)格分辨率為0.2°×0.2°)(a、b分別為湛江地區(qū)2019年前汛期西南季風(fēng)爆發(fā)前4月12—16日和爆發(fā)后5月28日—6月2號的兩次代表性降水事件軌跡模擬;c、d、e分別為湛江地區(qū)2019年后汛期由臺風(fēng)等熱帶系統(tǒng)帶來降水7月1—4日、7月30日—8月2日、非熱帶系統(tǒng)帶來降水8月16—19日的3次代表性降水事件的軌跡模擬)Fig.4 Simulation of air mass backward trajectory of partial precipitation events in Zhanjiang during flood season of 2019 (calculation is restarted from the same location every 6 h, color bar is the sum of the frequencies of the trajectories passing through the grid, and the grid resolution of the trajectory frequency is 0.2°×0.2°; a and b for simulations of trajectories of two representative precipitation cases from 12 to 16 in April before the onset of the southwest monsoon and from 28 in May to 2 in June 2019 after the onset in the early flood season in Zhanjiang, respectively; c, d, and e for simulations of trajectories of three representative precipitation cases by tropical systems from 1 to 4 in July and from 30 in July to 2 in August and by non-tropical system from 16 to 19 in August 2019 in the latter flood season in Zhanjiang, respectively)

分析后汛期湛江850 hPa物理量場:1)7月1—4日，隨著臺風(fēng)“木恩”向湛江西移其后部氣流將大量南海水汽輸送到湛江,2日湛江維持水汽通量負(fù)散度和較強(qiáng)的水汽通量(圖5c),期間伴有向上運(yùn)動(dòng)(圖6c),為降水提供了有利條件。2)7月29日—8月1日，臺風(fēng)“韋帕”于8月1日登陸湛江[38]后將南海和孟加拉灣水汽向湛江輸送,水汽通量散度負(fù)值區(qū)也隨之增大(圖5d),垂直速度達(dá) 2×10-2m·s-1(圖6d),為此次暴雨過程提供了極有利的動(dòng)力條件,導(dǎo)致湛江日累計(jì)降水量超 100 mm。3)8月17—22日,湛江850 hPa物理量場的水汽通量大值區(qū)從孟加拉灣沿華南沿海一帶將孟加拉灣水汽不斷向湛江輸送。18日18時(shí)湛江處于水汽通量散度負(fù)值區(qū),有水汽輻合(圖5e);19—21日,存在向上的垂直速度(圖6e),為 8月16—19日的連續(xù)性降水以及22日的降水提供了有利的水汽和動(dòng)力條件。

圖5 湛江地區(qū)(圖中綠色框包圍區(qū)域)2019年汛期部分降水事件850 hPa的水汽通量散度(填色,單位:10-5g·hPa-1·cm-2·s-1)和水汽通量(矢量,單位:g·hPa-1·cm-1·s-1)的疊加(a、b分別為湛江地區(qū)2019年前汛期西南季風(fēng)爆發(fā)前、后的兩次代表性降水事件;c、d、e分別為湛江地區(qū)2019年后汛期三次代表性降水事件；5次降水事件發(fā)生時(shí)間同圖4)Fig.5 Composites of water vapor flux divergence (colored, units: 10-5g·hPa-1·cm-2·s-1) and water vapor flux (vector, units: g·hPa-1·cm-1·s-1) at 850 hPa in partial precipitation events in Zhanjiang (area surrounded by green frame) during flood season of 2019 (a and b for two representative precipitation cases before and after the onset of the southwest monsoon in the early flood season in Zhanjiang, respectively; c, d, and e for three representative precipitation cases in the latter flood season in Zhanjiang, respectively; the time of occurrence of 5 representative precipitation cases is the same as that in Fig.4)

圖6 湛江地區(qū)2019年汛期部分降水事件的垂直速度圖(單位:10-3 m·s-1;a、b分別為湛江地區(qū)2019年前汛期西南季風(fēng)爆發(fā)前、后的兩次代表性降水事件;c、d、e分別為湛江地區(qū)2019年后汛期三次代表性降水事件；5次降水事件發(fā)生時(shí)間同圖4)Fig.6 Vertical velocity diagram of partial precipitation events in Zhanjiang during flood season of 2019 (units: 10-3 m·s-1; a and b for two representative precipitation cases before and after the onset of the southwest monsoon in the early flood season in Zhanjiang, respectively; c, d, and e for three representative precipitation cases in the latter flood season in Zhanjiang, respectively; the time of occurrence of 5 representative precipitation cases is the same as that in Fig.4)

4 結(jié)論

本文除對湛江地區(qū)降水穩(wěn)定同位素基本特征進(jìn)行簡單分析外,還基于水汽的δ18O值,利用直接相關(guān)分析,偏相關(guān)分析等方法對δ18O的影響因子進(jìn)行分析,甄別汛期水汽的潛在蒸發(fā)源地,并結(jié)合后向軌跡回溯追蹤,以及代表性個(gè)例物理量診斷分析得出以下結(jié)論。

1)湛江地區(qū)2019年汛期局部降水線δD=8.023δ18O-0.703 7(R2=0.954,n=68);5—6月西南季風(fēng)帶來的西太平洋水汽,18O含量豐富;7—9月受局部大氣環(huán)流,水汽長距離輸送及干燥環(huán)境下一定程度的云下二次分餾,造成δD和δ18O偏低。

2)δD和δ18O的值在汛期隨時(shí)間的變化很大程度上取決于水汽源地,軌跡模型后向追蹤的結(jié)果顯示,前汛期西南季風(fēng)爆發(fā)前,湛江地區(qū)主要是副熱帶高壓外圍東南氣流輸送西太平洋的水汽,而對個(gè)例物理量的診斷分析顯示,此階段湛江的水汽來源于南海;前汛期西南季風(fēng)爆發(fā)后,西向的水汽輸送明顯增強(qiáng),西南季風(fēng)氣流帶來南海、孟加拉灣的水汽,這與個(gè)例物理量診斷的結(jié)果一致。后汛期,由臺風(fēng)等熱帶系統(tǒng)帶來的降水中,主要是臺風(fēng)等熱帶系統(tǒng)帶來南海的水汽,與個(gè)例物理量診斷的結(jié)果一致,除此以外,西南向的水汽輸送通道仍然為湛江輸送大量水汽;后汛期,由非臺風(fēng)等熱帶系統(tǒng)帶來的降水中,主要是西南向水汽通道源源不斷地輸送來自孟加拉灣的水汽,個(gè)例物理量診斷的結(jié)果與之保持一致。