中國降水同位素信息熵時空分布及其水汽輸送示蹤

王 濤,陳建生,嚴(yán)嘉恒,馬芬艷,張 茜

(1. 河海大學(xué)水利水電學(xué)院,江蘇 南京 210098；2. 河海大學(xué)地球科學(xué)與工程學(xué)院,江蘇 南京 211000；3. 河海大學(xué)土木與交通學(xué)院,江蘇 南京 210098)

近年來,極端降水事件頻發(fā),如鄭州“7·20”特大暴雨。研究水汽輸送過程對深入理解極端降水發(fā)生過程和機理至關(guān)重要。氫氧同位素(D和18O)是水體的重要組成部分,盡管其在水分子中所占比例很小,卻非常敏感地隨著周圍環(huán)境的變化而變化,并記載著整個水循環(huán)過程的歷史信息[1- 3],因而被廣泛用于示蹤蒸發(fā)、降水、大氣環(huán)流、水體交換、湖水補給、植物用水等水文過程[2- 7]。尤其在大氣環(huán)流方面,降水D和18O同位素組成(δD和δ18O)的時空分布和變化規(guī)律被廣泛用于反演天氣系統(tǒng)和水汽輸送過程[8- 10]。為了系統(tǒng)監(jiān)測全球降水同位素,國際原子能機構(gòu)和世界氣象組織啟動了全球降水同位素觀測計劃(GNIP)[11]。研究發(fā)現(xiàn)降水同位素主要受溫度、降水量以及降水水汽源區(qū)和輸送過程的影響,分別稱為溫度效應(yīng)、降水量效應(yīng)和環(huán)流效應(yīng)[12- 14]。假設(shè)海洋為降水水汽主要供應(yīng)源區(qū),環(huán)流效應(yīng)主要包括水汽源區(qū)類型、水汽運移距離、水汽在運移過程中與來自大陸蒸散發(fā)過程產(chǎn)生的水汽混合及其前期冷凝降水情況等[14]。

中國也啟動了降水同位素觀測計劃(CHNIP),同時有30多個站點加入了GNIP[15]。根據(jù)GNIP和CHNIP提供的數(shù)據(jù),一些學(xué)者研究了中國降水同位素空間分布特征,指出中國沿海和西南等季風(fēng)氣候區(qū)主要呈現(xiàn)降水量效應(yīng),北方非季風(fēng)區(qū)主要呈現(xiàn)溫度效應(yīng),交叉地帶則2種效應(yīng)都有影響[16- 17]。但是,這些研究忽略了降水水汽來源和水汽運移過程對降水同位素的影響,即忽略了降水同位素的環(huán)流效應(yīng)。后來學(xué)者們將降水同位素時空分布特征跟全球大氣環(huán)流聯(lián)系在一起[3- 4,8- 10,13- 14],指出季風(fēng)系統(tǒng)對中國大部分地區(qū)降水同位素組成的影響程度超過了溫度效應(yīng)和降水量效應(yīng)[18- 20],進(jìn)而利用降水同位素對中國青藏高原地區(qū)、西北干旱區(qū)、南部地區(qū)和東部季風(fēng)區(qū)[8- 9,19- 20]的水汽輸送過程進(jìn)行了研究。然而,上述研究大多基于分析降水同位素的平均值,鑒于中國降水系統(tǒng)的復(fù)雜性和降水同位素的隨機性,僅根據(jù)降水同位素平均值示蹤水汽運移過程具有較大的不確定性。

水汽在運移過程中,其同位素組成的變化不僅體現(xiàn)在平均值上,而且體現(xiàn)在整個概率分布上。信息熵作為對隨機事件無序性和不確定性的度量,是基于隨機變量的概率分布而得到[21],已經(jīng)廣泛應(yīng)用于研究水文過程的無序性和不確定性問題[22- 27],而在降水同位素方面研究較少。Wang等[27]嘗試將信息熵計算方法引入中國降水同位素數(shù)據(jù)分析中,但是對降水同位素信息熵的物理意義缺乏深入的研究,使得降水同位素信息熵受溫度和降水量的影響較大,限制了其對水汽運移過程的示蹤；隨后初步探討了降水同位素信息熵的物理意義,基于信息熵概念對全球降水同位素組成進(jìn)行了分析,進(jìn)而對全球尺度的水汽輸送過程進(jìn)行了示蹤研究,但是由于研究尺度過大,研究結(jié)果只揭示了全球尺度大范圍水汽運移的大概信息,而在中小尺度上精度有限,使得示蹤結(jié)果可信度有待提高[4]。

中國位于典型季風(fēng)氣候區(qū),降水主要受冬季風(fēng)和夏季風(fēng)(包括印度洋季風(fēng)和東亞季風(fēng))的交替影響和控制[28- 30]。冬季風(fēng)主要是來自于西伯利亞等內(nèi)陸地區(qū)的寒冷干燥氣團(tuán),夏季風(fēng)主要是來自熱帶印度洋和太平洋的溫暖濕潤氣團(tuán)[30]。冬季風(fēng)、印度洋季風(fēng)和東亞季風(fēng)一起形成了中國降水水汽輸送的3條主要通道,分別為西北通道、西南通道和東南通道[31]。在冬季,冬季風(fēng)強度遠(yuǎn)大于2股夏季風(fēng),使得中國大部分地區(qū)干燥少雨；而到了夏季,印度洋季風(fēng)和東亞季風(fēng)強度遠(yuǎn)大于冬季風(fēng),為中國大部分地區(qū)帶來大量降水[32- 33]。西南水汽通道為中國西南部帶來大量降水,其強度大約為東南水汽通道強度的2倍[31],而東亞季風(fēng)是中國中北部和東北地區(qū)降水的主要來源。這3股季風(fēng)對中國區(qū)域降水的影響具有很大的時空變異性。每年5月中旬,南海附近的大量降水首先揭開夏季風(fēng)的序幕,然后降水帶由沿海慢慢向北和西北內(nèi)陸地區(qū)移動；夏季風(fēng)帶來的雨季分別于6月底和7月底在長江流域與華北和中北部地區(qū)達(dá)到峰值；7月過后,隨著冬季風(fēng)強度的慢慢增加,夏季風(fēng)慢慢地從中國北部向東南部沿海地區(qū)撤退,降水也逐漸減弱[34]。

鑒于中國位于典型季風(fēng)氣候區(qū),計劃利用信息熵對中國降水同位素進(jìn)行再分析,進(jìn)而對影響中國降水的由3股季風(fēng)形成的3條水汽通道的水汽來源和水汽運移路徑以及季節(jié)變化進(jìn)行示蹤研究。研究結(jié)果可為示蹤季風(fēng)系統(tǒng)下的水汽運移過程提供一種新方法。

1 降水同位素信息熵

1.1 降水同位素信息熵理論

在熱力學(xué)中熵是不可用能量的度量,在統(tǒng)計物理中它是系統(tǒng)微觀狀態(tài)數(shù)目的度量,而在信息論中它是隨機事件無序性和不確定性的度量[21]。熵增原理指出一個物質(zhì)系統(tǒng)如果與外界隔絕,那么這一系統(tǒng)的熵將自動增加到它能達(dá)到的最大值。熵的本質(zhì)是描述系統(tǒng)的有序或無序的狀態(tài),而熵增過程的本質(zhì)是描述系統(tǒng)從有序到無序的過程。Husain[35]詳細(xì)推導(dǎo)并給出了正態(tài)分布、伽馬分布、貝塔分布、極值分布、指數(shù)分布等幾種常見連續(xù)分布函數(shù)的信息熵計算表達(dá)式。

假設(shè)海洋作為降水的主要供應(yīng)源區(qū),在降水氣團(tuán)由海洋向大陸運移過程中,與大陸蒸散發(fā)過程產(chǎn)生的氣團(tuán)混合會使得水汽同位素的無序性逐漸增加,水汽同位素概率分布由高窄型向矮寬型發(fā)展[4],如圖1所示。根據(jù)瑞利模型,降水同位素組成除了取決于水汽同位素組成,還受到當(dāng)?shù)販囟群徒邓康挠绊?。如果把溫度效?yīng)和降水量效應(yīng)過濾掉,那么過濾后的降水同位素數(shù)據(jù)的無序性可以表征水汽同位素的無序性,可以認(rèn)為這些無序性是由環(huán)流效應(yīng)引起的?？梢岳眯畔㈧貙^濾后的降水同位素數(shù)據(jù)概率分布進(jìn)行分析,對其無序性進(jìn)行量化,用于表征降水同位素的環(huán)流效應(yīng)[4]。降水同位素信息熵值越小,表示水汽運移過程相對越短,運移過程中與周圍水汽的交換相對越少,同位素組成概率分布的變化越小,環(huán)流效應(yīng)越弱；反之,降水同位素信息熵值越大,表示水汽運移過程相對越長,運移過程中與周圍水汽的交換相對越多,同位素組成概率分布的變化越大,環(huán)流效應(yīng)則越強。

圖1 水汽從海洋向大陸運移過程中氫氧同位素組成概率分布變化概念Fig.1 Conceptual diagram of the probability distribution of δD and δ18O during the water vapor movement from the ocean to continents

1.2 降水同位素信息熵計算

CHNIP和GNIP提供了全球1 000多個站點的降水同位素數(shù)據(jù),但是大量站點數(shù)據(jù)序列并不完整,且月份數(shù)據(jù)缺失嚴(yán)重[11,15]。為了選用盡可能多的站點,同時每個站點又要保證盡可能多的降水樣本,最后從CHNIP和GNIP選取了中國以及周邊國家46個有效站點(中國19個,周邊國家27個,圖2)。這些有效站點具有至少連續(xù)3 a的數(shù)據(jù)序列,每年數(shù)據(jù)缺失不少于3個月,且每月至少有1 a的數(shù)據(jù)。首先在每個站點選取δD、δ18O、T和降水量的月平均值作為原始數(shù)據(jù),將δD(δ18O)、溫度和降水量月平均數(shù)據(jù)序列各看成1組樣本,利用二元線性擬合得到的δD(δ18O)與溫度和降水量的線性關(guān)系。將每個月的溫度和降水量數(shù)據(jù)分別帶入上述擬合的關(guān)系式中,可以得到降水同位素中受溫度和降水量影響的組成部分,然后利用原始降水同位素數(shù)據(jù)減掉根據(jù)擬合公式計算得到的同位素數(shù)據(jù),得到過濾掉溫度和降水量效應(yīng)后的降水同位素月數(shù)據(jù)序列。根據(jù)瑞利模型,降水同位素組成受到水汽同位素組成、當(dāng)?shù)販囟群徒邓康挠绊?可以認(rèn)為過濾后的降水同位素數(shù)據(jù)只保留了降水源區(qū)和運移過程中的同位素變化信息,其無序性可以表征由環(huán)流效應(yīng)引起的水汽同位素?zé)o序性。發(fā)現(xiàn)過濾后的δD和δ18O頻率分布近似正態(tài)分布,最后利用相應(yīng)的信息熵計算公式,計算得到降水D和18O同位素的信息熵值[4,27,35]。

圖2 站點分布Fig.2 Distribution of the selected sites

同理,將溫度和降水量序列各看成一組隨機變量,計算得到各個站點的溫度信息熵和降水量信息熵。同時計算每個站點的氫氧同位素平均值、溫度平均值和降水量平均值。為了研究氫氧同位素信息熵隨季節(jié)的變化,選取5—9月數(shù)據(jù)序列計算得到夏季氫氧同位素信息熵,選1—3月、11月和12月數(shù)據(jù)序列計算得到冬季氫氧同位素信息熵。

2 結(jié)果分析

2.1 氫氧同位素信息熵線性關(guān)系

計算得到46個站點的氫氧同位素平均值和信息熵,統(tǒng)計信息列于表1中。結(jié)果顯示46個站點的氫同位素組成(δD)多年平均值的變化范圍為-186.53‰ ～-11.08‰,平均值為-54.82‰,中值為-41.34‰,標(biāo)準(zhǔn)差為43.75‰；氧同位素組成(δ18O)多年平均值的變化范圍為-23.63‰～-2.24‰,平均值為-7.95 ‰,中值為-6.39‰,標(biāo)準(zhǔn)差為5.17‰。相應(yīng)的氫同位素信息熵(ED)的變化范圍為1.94～2.46 bit,平均值和中值均為2.19 bit,標(biāo)準(zhǔn)差為0.13 bit；氧同位素信息熵(E18O)的變化范圍為1.08～1.60 bit,平均值和中值均為1.30 bit,標(biāo)準(zhǔn)差為0.13 bit。可見氫氧同位素平均值的變化范圍和離散性較大,而氫氧同位素信息熵的變化范圍和離散性遠(yuǎn)小于其平均值。

表1 46個站點氫氧同位素平均值、信息熵以及夏季和冬季氫氧同位素信息熵統(tǒng)計結(jié)果

46個站點夏季ED的變化范圍為1.84～2.38 bit,平均值為2.14 bit,中值為2.13 bit,標(biāo)準(zhǔn)差為0.14 bit；E18O的變化范圍為0.98～1.52 bit,平均值為1.25 bit,中值為1.27 bit,標(biāo)準(zhǔn)差為0.14 bit。而冬季ED的變化范圍為1.82～2.60 bit,平均值和中值均為2.20 bit,標(biāo)準(zhǔn)差為0.17 bit；E18O的變化范圍為1.03～1.76 bit,平均值為1.31 bit,中值為1.30 bit,標(biāo)準(zhǔn)差為0.17 bit?？梢?冬季的氫氧同位素信息熵在統(tǒng)計變量上略高于夏季。

46個站點的全年降水氫氧同位素平均值(圖3(a))之間的擬合關(guān)系式為δD=8.31×δ18O+11.87(R2=0.99),擬合斜率近似為8。在水汽冷凝過程中,氫氧同位素不同的質(zhì)量數(shù)造成了其在同一分餾過程中不同的分餾程度,使得降水氫氧同位素平均值之間呈現(xiàn)很強的線性關(guān)系[1]。研究發(fā)現(xiàn)這些站點的全年降水ED和E18O之間呈現(xiàn)很強的線性關(guān)系(圖3(b)),擬合關(guān)系式為ED=0.98×E18O+0.91(R2=0.95)；同時,夏季和冬季的降水ED和E18O之間也呈現(xiàn)很強的線性關(guān)系(圖3(c)、圖3(d)),擬合關(guān)系式分別為ED=0.97×E18O+0.91(R2=0.93)和ED=0.95×E18O+0.95(R2=0.93),擬合斜率全部近似為1。表明降水氫氧同位素在水汽運移過程中具有相近的無序性,同位素信息熵同樣可以敏感地響應(yīng)周圍環(huán)境變化對水汽運移過程的影響。

圖4分別給出了氧同位素信息熵與平均溫度、平均降水量、溫度信息熵、降水量信息熵、樣本容量和海拔的關(guān)系?？梢钥闯鲅跬凰匦畔㈧嘏c這些變量之間沒有顯著的關(guān)系,且只有小部分站點落在了5%～95%置信區(qū)間內(nèi),大部分站點分布在置信區(qū)間外。這也證明了上述溫度和降水量效應(yīng)的過濾效果良好,氫氧同位素信息熵與這些變量之間的關(guān)系只存在于小部分站點中,且相關(guān)關(guān)系很弱。根據(jù)上述降水同位素信息熵的物理意義,過濾掉溫度和降水量效應(yīng)后的降水同位素信息熵可以表征由環(huán)流效應(yīng)引起的水汽同位素?zé)o序性,進(jìn)而可以示蹤水汽運移過程。

圖3 氫氧同位素平均值與信息熵值之間的線性關(guān)系Fig.3 Linear relationship of the average value and information entropy between δD and δ18O

圖4 氧同位素信息熵與水文氣象要素之間的關(guān)系Fig.4 Relationship of the δ18O information entropy with hydrometeorology parameters

2.2 同位素信息熵空間分布及其示蹤水汽輸送

降水氫氧同位素信息熵值和平均值的空間分布如圖5(圖中空白表示小于比例尺中最小值)所示?？梢钥闯?，氫氧同位素信息熵極小值點主要位于海洋區(qū)域,即降水水汽的主要來源區(qū)域。在這些區(qū)域,降水主要來源于當(dāng)?shù)睾Ｑ笏恼舭l(fā),降水水汽與外源水汽混合較少,因而降水同位素信息熵較小。氫氧同位素信息熵的局部極小值也出現(xiàn)在中緯度內(nèi)陸地區(qū),為內(nèi)陸水汽源區(qū),該區(qū)域降水水汽主要來自于當(dāng)?shù)卣羯l(fā)過程產(chǎn)生的水汽。氫氧同位素信息熵的極大值區(qū)域位于中間地帶,屬于海洋水汽和內(nèi)陸水汽的交匯區(qū)域；且極大值區(qū)域更趨向于中國東北和西北內(nèi)陸地區(qū),遠(yuǎn)離東南沿海區(qū)域,表明海洋水汽對中國降水水汽的主導(dǎo)作用。相比之下,氫氧同位素平均值在中國大陸地區(qū)的空間分布呈現(xiàn)隨緯度的升高而降低的趨勢,這是由溫度隨著緯度的增加而減小造成的,顯示出溫度主導(dǎo)效應(yīng)。

圖5 降水氫氧同位素信息熵和平均值空間分布Fig.5 Spatial distribution of the information entropy and average value of δD and δ18O

降水同位素信息熵值呈現(xiàn)出從海洋和內(nèi)陸向中間區(qū)域逐漸增加的變化趨勢(圖5),這一變化趨勢很好地指示出不同季風(fēng)系統(tǒng)對中國區(qū)域的降水水汽輸送過程。來自南部印度洋和南海的夏季印度洋季風(fēng)、來自太平洋的夏季東亞季風(fēng)以及來自西北內(nèi)陸的冬季風(fēng),分別沿著氫氧同位素信息熵等值線鋒面,從低熵值區(qū)向高熵值區(qū)運動。印度洋季風(fēng)在中國南部登陸后,繼續(xù)深入華南和中南大部分地區(qū),為經(jīng)過的地區(qū)輸送降水水汽；東亞季風(fēng)從太平洋向西北方向運移,一支為中國華北和中北大部分地區(qū)帶來降水,另外一支為東北地區(qū)帶來降水；冬季風(fēng)由中國西北區(qū)域進(jìn)入青藏高原地區(qū)和北方干旱區(qū),為這些區(qū)域輸送降水水汽。從中國東北北部經(jīng)北方干旱區(qū),直至青藏高原中部形成了一條氫氧同位素信息熵極大值帶,這是冬季風(fēng)和夏季風(fēng)的交匯區(qū)域,符合前人關(guān)于東亞季風(fēng)對中國降水影響范圍的研究[28- 34]。同時還發(fā)現(xiàn)在中國東南沿海地區(qū),降水同位素信息熵也呈現(xiàn)出一個極大值區(qū)域,這是印度洋季風(fēng)和東亞季風(fēng)的交匯區(qū)域。相對東亞季風(fēng)的影響來說,印度洋季風(fēng)對中國南部區(qū)域降水的影響使得降水同位素信息熵值更小,表明印度洋季風(fēng)為華南和中南地區(qū)帶來主要降水,而東亞季風(fēng)帶來的水汽相對較少,符合前人關(guān)于東亞季風(fēng)對這些區(qū)域的降水僅起到了調(diào)控作用的結(jié)論[31]。印度洋季風(fēng)和東亞季風(fēng)帶來的水汽都起源于海洋蒸發(fā),初始的氫氧同位素組成相差較小,在水汽由海洋向大陸運移途中,由于經(jīng)歷了不同的水汽混合和前期冷凝過程,造成了2股季風(fēng)輸送的水汽同位素組成差異增加,使得降水同位素信息熵值存在差異。

2.3 同位素信息熵季節(jié)分布及其示蹤水汽輸送

根據(jù)表1的統(tǒng)計結(jié)果,夏季氫氧同位素信息熵的統(tǒng)計值均小于冬季,表明夏季風(fēng)對中國大陸的降水水汽輸送更強。圖6給出了冬季和夏季降水氫氧同位素信息熵在中國大陸區(qū)域的空間分布(圖中空白表示小于比例尺中最小值)。

圖6 降水氫氧同位素信息熵在夏季和冬季的空間分布和反向梯度矢量圖Fig.6 Spatial distribution and inverse gradient vector of δD and δ18O information entropy in summer and winter

與冬季變化相比,夏季氫氧同位素信息熵極小值區(qū)域明顯深入中國南方內(nèi)陸地區(qū),表明夏季印度洋季風(fēng)對中國降水的影響更深入中國南部地區(qū)；而在冬季,印度洋季風(fēng)活動范圍只限于印度大陸和中國南海以及越南北部地區(qū)。同理,夏季氫氧同位素信息熵極小值區(qū)域也明顯深入中國北方和東北內(nèi)陸地區(qū)；而在冬季,這些區(qū)域的氫氧同位素信息熵為極大值,表明夏季東亞季風(fēng)對中國降水的影響也更深入中國北方地區(qū),東亞季風(fēng)距離中國東部沿海地區(qū)較遠(yuǎn),活動范圍限于日本地區(qū)。夏季更大的氫氧同位素信息熵變化梯度也表明相比冬季而言，夏季的印度洋季風(fēng)和東亞季風(fēng)分別為中國南部地區(qū)和中國北方地區(qū)提供更強的水汽輸送,2股季風(fēng)在夏季對中國降水的影響范圍明顯比冬季更深入內(nèi)陸地區(qū)。同時,夏季內(nèi)陸水汽源區(qū)的氫氧同位素信息熵及其變化梯度也明顯小于冬季,這是因為夏季更強的局部蒸散發(fā)提供了更多的內(nèi)陸水汽?？梢娊邓畾溲跬凰匦畔㈧乜臻g分布在冬季和夏季的差異很好地指示出3股季風(fēng)對中國降水的影響在季節(jié)尺度上的變化。

3 討 論

降水同位素不僅受到溫度和降水量的影響,還受到水汽來源和水汽遷移過程的影響[12- 14]。鑒于溫度和降水量對降水同位素的重要影響,在降水同位素信息熵計算過程中,根據(jù)降水同位素與溫度和降水量之間的經(jīng)驗線性關(guān)系對溫度和降水量效應(yīng)進(jìn)行了過濾。根據(jù)過濾后的氫氧同位素數(shù)據(jù)計算得到的降水同位素信息熵與溫度和降水量之間的線性相關(guān)關(guān)系只存在于小部分站點中,相關(guān)關(guān)系較弱,表明了良好的過濾效果。過濾后的降水同位素信息熵可以表征由環(huán)流效應(yīng)引起的水汽同位素?zé)o序性,進(jìn)而可以示蹤水汽運移過程。然而,降水同位素與溫度和降水量之間可能存在非線性關(guān)系,例如降水同位素與降水量之間可能呈現(xiàn)指數(shù)關(guān)系[36]。本研究中的過濾方法基于簡單的線性關(guān)系假設(shè),會對示蹤結(jié)果造成一些不確定性。再者,可選用站點(圖2)在中國東部地區(qū)明顯較西部密集,因而選用了周邊國家的一些站點作為補充,盡管如此,降水同位素信息熵時空分布特征及其示蹤水汽輸送結(jié)果的精度和可信度在中國西部地區(qū)依然低于東部。

研究發(fā)現(xiàn)中國區(qū)域降水氫氧同位素信息熵之間呈現(xiàn)很強的線性關(guān)系,且斜率近似為1,與全球降水氫氧同位素信息熵之間的線性關(guān)系相吻合[4],且這種線性關(guān)系在夏季和冬季仍然存在,表明2種同位素在隨水汽運移過程中具有相近的無序性。同時,降水同位素信息熵時空分布特征很好地反映出影響中國降水的3條水汽通道和影響范圍以及其隨季節(jié)的變化,與前人研究結(jié)果相吻合[28- 34]。降水同位素信息熵相比于其平均值具有較小的變化范圍和離散性,降水同位素信息熵空間分布很好地反映了水汽由海洋水汽源區(qū)向大陸區(qū)域的運移過程,而這一過程并沒有被降水同位素平均值空間分布揭示出來?？梢岳斫鉃榻邓凰匦畔㈧叵啾扔谄淦骄悼梢愿用舾械仨憫?yīng)水汽運移過程,表明利用同位素信息熵示蹤水汽運移過程相比于利用其平均值示蹤具有更大的優(yōu)勢,提供了一種新的降水同位素數(shù)據(jù)分析思路和方法。降水同位素信息熵和其平均值也可以擴展應(yīng)用于示蹤其他水體運移和交換過程,但是兩者優(yōu)缺點還需要進(jìn)一步地對比分析和驗證。

前人在借助信息熵分析降水同位素方面做了一些努力和嘗試,但也存在一些不足[4,27],或者缺乏對降水同位素信息熵物理意義的深入分析,或者研究尺度過大,使得利用信息熵分析降水同位素數(shù)據(jù)和利用降水同位素信息熵示蹤水汽輸送過程存在一定的局限性。在前人研究的基礎(chǔ)上,選取了位于典型季風(fēng)氣候區(qū)的中國作為研究區(qū)域,利用信息熵對中國降水同位素進(jìn)行了深入分析,進(jìn)而對影響中國降水的3條水汽通道的水汽來源和水汽運移路徑進(jìn)行了示蹤,為示蹤季風(fēng)系統(tǒng)下的水汽來源和運移路徑提供了一種新的示蹤技術(shù)和方法。該方法可以擴展應(yīng)用于示蹤全球其他季風(fēng)系統(tǒng)控制下的水汽運移,同時也需要借用全球其他季風(fēng)系統(tǒng)控制下的水汽運移過程進(jìn)行驗證。

4 結(jié) 論

本文利用信息熵對中國降水同位素進(jìn)行再分析,對影響中國降水的由3股季風(fēng)形成的3條水汽通道的水汽來源和水汽運移路徑以及季節(jié)變化進(jìn)行示蹤研究,研究結(jié)果表明:

(1) 在運移過程中,水汽同位素組成的變化不僅體現(xiàn)在平均值上,而且體現(xiàn)在整個概率分布上。在傳統(tǒng)的分析降水同位素組成平均值的基礎(chǔ)上,提出了一種新的基于信息熵的降水同位素數(shù)據(jù)分析方法,為降水同位素數(shù)據(jù)分析提供了一種新思路。

(2) 中國降水氫氧同位素信息熵之間呈現(xiàn)很強的線性關(guān)系,斜率近似為1,且這種線性關(guān)系在夏季和冬季仍然存在,表明2種同位素在隨水汽運移過程中具有相近的無序性；同時發(fā)現(xiàn)降水同位素信息熵空間分布可以很好地揭示水汽由海洋向大陸的運移過程,而這一特征并沒有反映在降水同位素平均值空間分布上。

(3) 降水氫氧同位素信息熵空間分布很好地指示出中國3條水汽通道整體上的水汽來源和水汽運移路徑,降水氫氧同位素信息熵在冬季和夏季的不同也表明了3條水汽通道在不同季節(jié)對中國降水影響的差異,為降水水汽來源和輸送過程提供了一種新的示蹤方法。