OIPC和RCWIP降水氢氧稳定同位素数据在新疆天山地区的适用性

图1 研究区及采样点分布图（自然区参考陈曦等^［23］）

Fig.1 The map of study area and sampling sites （The natural areas are based on Chen et al^［23］）

2 数据与方法

2.1　降水同位素监测数据

本研究采用的天山地区降水氢氧稳定同位素实测值来自Wang等^［22］于2012年8月至2013年9月在23个站点采集的1 052个降水样本，由于采样时段超过12个月，统一选取2012年9月 - 2013年8月的978个样品^［26］。降水样品在每次降水结束后立即收集，根据降水量将事件尺度的同位素数据加权为逐月数据并分为夏半年（4 - 10月）和冬半年（11 - 3月）进行统计（表1）。样品中氢氧稳定同位素在西北师范大学地理与环境科学学院稳定同位素实验室采用LGR（Los Gatos Research）公司研发的DLT-100型液态水同位素分析仪分析，结果表示为相对于V-SMOW（维也纳平均标准海洋水）的δ值，其中δ²H值的测量精度为±0.6‰， δ¹⁸O值的测量精度为±0.2‰。采样和实验分析的具体步骤在早期文献［22］有详细介绍。

表1 采样站点信息

Table 1 Sampling site information

自然区^［23］	站点	纬度N/（°）	经度E/（°）	海拔/m	多年平均降水量/mm	观测年降水量/mm	样本数^［26］	样品月份
准噶尔盆地荒漠自然区（Ⅰ）	精河	44.62	82.90	320.1	112.1	136.1	37	8
	奎屯	44.40	84.87	562.0	183.5	192.7	42	11
	石河子	44.32	86.05	442.9	226.9	231.9	70	12
	蔡家湖	44.20	87.53	440.5	153.8	189.9	53	12
	乌鲁木齐	43.78	87.65	935.0	298.6	351.4	74	12
	达坂城	43.35	88.32	1 103.5	76.7	92.7	10	7
	奇台	44.02	89.57	793.5	200.9	256.1	39	12
	巴里坤	43.60	93.05	1 677.2	230.5	245.6	51	11
	伊吾	43.27	94.70	1 728.6	104.4	107.6	19	8
伊犁-巴音布鲁克中天山自然区（Ⅱ）	伊宁	43.95	81.33	662.5	298.9	316.5	85	12
	巴音布鲁克	43.03	84.15	2 458.0	280.5	293.0	93	11
	巴仑台	42.73	86.30	1 739.0	220.4	240.6	56	7
塔里木盆地极端干旱荒漠自然区（Ⅲ）	乌恰	39.72	75.25	2 175.7	188.7	228.0	60	8
	阿合奇	40.93	78.45	1 984.9	237.7	343.3	52	9
	阿克苏	41.17	80.23	1 103.8	80.4	147.7	33	8
	拜城	41.78	81.90	1 229.2	136.6	119.7	49	9
	库车	41.72	82.97	1 081.9	76.7	86.4	37	8
	轮台	41.78	84.25	976.1	78.6	107.1	24	7
	库尔勒	41.75	86.13	931.5	59.2	68.6	22	6
	库米什	42.23	88.22	922.4	59.9	77.2	28	9
吐鲁番盆地-哈密（戈壁）荒漠自然区（Ⅳ）	吐鲁番	42.93	89.20	34.5	15.4	22.2	20	8
	十三间房	43.22	91.73	721.4	22.6	6.9	6	3
	哈密	42.82	93.52	737.2	43.7	33.0	18	9

新窗口打开| 下载CSV

此外，本文还用到了GNIP数据库^［27］乌鲁木齐站点（87.62 °E， 43.78 °N，海拔918 m）在1986 - 1992年、 1995 - 1998年、 2001 - 2003年数据，共131个月值数据被使用。用于判断模拟产品受年际变化差异产生的可能影响。

2.2　全球降水同位素分布模拟数据产品

OIPC数据产品^［14］，由美国犹他大学制作发布（http： //wateriso.utah.edu/waterisotopes/），本文用到的版本是v3.2，包括逐月和全年δ²H值与δ¹⁸O值以及数据所对应的95%置信区间数据，空间分辨率为5′×5′。其计算思路主要利用纬度和海拔两个因子作为辅助变量，通过逐步回归得出回归方程：

δ^{18} O = a {|L A T|}^{2} + b |L A T| + c A L T + d

（1）

δ {}^{2}H = e {|L A T|}^{2} + f |L A T| + g A L T + h

（2）

式中： a、 b、 c、 d、 e、 f、 g、 h均为拟合参数； LAT为纬度； ALT为海拔。在得到回归方程后根据辅助变量进行插值预测，再借助各实测站点的拟合残差，最终得到全球降水同位素分布模拟结果。

RCWIP数据^［15］是在上述方法的基础上改进而来的，由IAEA制作发布（http： //www-naweb.iaea.org/napc/ih/IHS_resources_rcwip.html），本文采用的版本为v1.0数据集，其分辨率为10′×10′，同样包括逐月和全年的δ²H、 δ¹⁸O值和所对应的95%置信区间。与OIPC相比，其最大的差异在于不采用统一的全局模型，而是通过模糊聚类方法得到各气候区的不同模型，减少了全局预测模型的不确定性，模糊聚类的采用也使得分区边界可以平滑过渡。

本文使用ArcGIS10.2，从两套数据集中提取出天山地区23个实测站点位置的模拟δ²H值与δ¹⁸O值，并计算出d-excess值（d-excess＝δ²H-8δ¹⁸O）。由于δ²H值与δ¹⁸O值线性相关，因此本文主要分析δ¹⁸O值与d-excess值两个参数，对两套数据在天山地区的适用性进行评估。

2.3　评价指标

选取均方根误差（Root Mean Square Error， RMSE）、线性判定系数（Determination Coefficient， R²）、平均偏置误差（Mean Bias Error， MBE）、平均绝对误差（Mean Absolute Error， MAE）对实测与模拟数据进行比较。其中， R²值越高，表明模拟值与实测值离散程度越小，线性关系越好，估计值在趋势上更接近于实测值； RMSE、 MBE和MAE偏大，表明模拟效果偏离真实值。计算公式如下：

R^{2} = \frac{\sum_{i = 1}^{n} (δ_{i}^{M} {- \bar{δ^{O}})}^{2}}{\sum_{i = 1}^{n} (δ_{i}^{O} {- \bar{δ^{O}})}^{2}}

（3）

R M S E = \sqrt[]{\frac{\sum_{i = 1}^{n} (δ_{i}^{O} - δ_{i}^{M})^{2}}{n}}

（4）

M B E = \frac{1}{n} \sum_{i = 1}^{n} (δ_{i}^{M} - δ_{i}^{O})

（5）

M A E = \frac{1}{n} \sum_{i = 1}^{n} |δ_{i}^{M} - δ_{i}^{O}|

（6）

式中： $δ_{i}^{O}$ 表示实测值； $δ_{i}^{M}$ 表示模拟值； $\bar{δ^{O}}$ 表示实测平均值。

3 结果与讨论

3.1　各站点季节变化模拟结果评估

从空间分布上看，两套数据产品在天山地区对δ¹⁸O值的模拟整体比较相似，但在区域细节上依旧存在一些差异（图2）。在冬半年RCWIP模拟值比OIPC模拟值更小，在夏半年RCWIP模拟值比OIPC模拟值偏大。也就是说，在全年不同的季节， RCWIP模拟值的波动范围更大。另一方面，从图2中也可以看出，两套数据产品对于天山山区降水同位素贫化、盆地同位素富集的特点都有体现，空间上的基本规律是一致的，并且天山南侧的塔里木盆地相较于北侧的准噶尔盆地表现出了更高的同位素值。

图2

图2 天山地区OIPC、 RCWIP与实测的逐月和全年降水中δ¹⁸O值对比图

Fig.2 Comparison of δ¹⁸O value in precipitation on a monthly and annual basis based on OIPC， RCWIP and observations across the Tianshan Mountains

3.1.1　两种模型在δ¹⁸O值模拟中的适用性评估

将模拟值与实测值分站点绘制月均δ¹⁸O值（图3），为了更好观察夏半年与冬半年模拟效果，使用虚线框将夏半年标识。总体而言，两种模型中δ¹⁸O值的模拟效果比较好，其中夏半年比冬半年模拟得好。

图3

图3 天山地区各站点OIPC、 RCWIP和实测月均降水δ¹⁸O值变化

Fig.3 Monthly variation of δ¹⁸O value in precipitation based on OIPC， RCWIP and observations for each site across the Tianshan Mountains

在夏半年，从OIPC模拟的δ¹⁸O值来看，有10个站点R²值达到了0.6以上，其中有一半站点位于Ⅰ区。RMSE值和MAE值也表现出Ⅰ区相较于其他几个自然区拟合程度更高。OIPC在夏半年所计算出的RMSE值范围为1.83‰ ~ 7.67‰，按降序排列前10的站点除了伊宁和哈密，其余全部位于Ⅰ区；计算的MAE值全域范围为1.53‰ ~ 6.40‰，而Ⅰ区范围为1.53‰ ~ 2.88‰，明显低于其他区域。整体来看， OIPC在夏半年对天山地区模拟效果最佳的区域为Ⅰ区。而MBE值显示Ⅰ区绝大多数站点模拟值高于实测值。从区域角度来看，各评估参数均表现出Ⅰ区的模拟效果更优，但是各评估参数所显示的最优站点却存在一些差异。R²值显示阿克苏和精河两个站点的模拟效果最佳，均达到0.9以上，然而RMSE值和MAE值则表明奎屯和伊宁两个站点的模拟效果最好。

从RCWIP对δ¹⁸O值在夏半年的模拟结果来看，有15个站点R²值达到0.6以上，模拟效果最好的两个站点分别为达坂城和石河子， R²值为0.90和0.83。对比OIPC模拟效果来看， RCWIP模拟的最优值不如OIPC，但RCWIP对整个区域的平均模拟效果更好。与OIPC模拟结果类似， RCWIP对Ⅰ区各站点模拟效果较其他区域更好，在R²值大于0.6的15个站点中，有8个站点位于该区域。RMSE值和MAE值也表现出同样的结果，该区域的平均值明显大于其他区域，表明RCWIP对δ¹⁸O值在夏半年的模拟在Ⅰ区表现最优。同时， MBE值表示RCWIP模拟值在该区域大部分站点同样高于实测值。

也就是说，两套模拟产品对新疆天山地区夏半年δ¹⁸O值的模拟，在Ⅰ区表现的最好。而两套产品对δ¹⁸O值模拟较差的站点均为吐鲁番。RCWIP模型在吐鲁番R²值低至0.2， RMSE值为3.9‰， MAE值为4.9‰； OIPC模型在吐鲁番的R²值、 RMSE值和MAE值分别为0.1、 7.7‰和6.4‰。且两套产品在吐鲁番的MBE值均为负值且数值较大，表明两套产品在吐鲁番模拟值均比实测值偏低。

在冬半年，降水形式多为降雪且降水匮乏，部分站点整月都没有降水发生（图3）。因此主要依据RMSE值和MAE值对两套产品在天山地区δ¹⁸O模拟值进行评估。对于RCWIP而言，对δ¹⁸O值的模拟效果最好的三个站点是阿克苏、精河、奇台，前者位于Ⅲ区，后两者位于Ⅰ区。从区域角度来看，位于这两个区域的各站点模拟效果参差不齐，但整体看来Ⅰ区的模拟效果略好于Ⅲ区。另外，位于Ⅱ区的伊宁、巴音布鲁克均表现出较高的拟合性，巴仑台冬半年无足够样本暂不考虑。位于Ⅳ区的站点拟合性相对较差。OIPC在冬半年对δ¹⁸O值的模拟则表示，模拟效果最好的三个站点分别是：精河、巴音布鲁克和伊宁，前者位于Ⅰ区，后两个站点则属于Ⅱ区。从区域上来看，其与RCWIP表现出相似的结果，即模拟效果在各区域之间表现为： Ⅱ区>Ⅰ区>Ⅲ区>Ⅳ区。而MBE值则表示，两套产品在冬半年对δ¹⁸O值的模拟值与实测值之间的差异，从区域角度来看没有像夏半年一样表现出明显规律。但是在冬半年，就整个天山地区而言，两套产品模拟值在大多数站点高于实测值，图3也显示着这一信息。

从全年来看，两套模拟产品对天山地区δ¹⁸O值的拟合度较好。对OIPC而言， R²值在0.50 ~ 0.94范围内，中位数为0.83，平均值为0.79； RMSE值的范围为2.68‰ ~ 7.79‰，中位数与平均值分别为4.65‰和4.93‰。从各区域来看， OIPC模拟得更好的区域为Ⅰ区，共9个站点中有8个站点R²值达到了0.6以上。精河、达坂城和蔡家湖三个站点的R²值均在0.9以上，且精河站的RMSE值也为最小值，这说明OIPC在精河站的模拟效果是最优的。对RCWIP而言， R²值在0.54 ~ 0.94范围内，中位数为0.84，平均值为0.81； RMSE值的范围为2.68‰ ~ 6.34‰，中位数与平均值分别为4.75‰和4.62‰。从区域来看，模拟的最好的区域也为Ⅰ区；从R²值、 RMSE值等评估参数可以看出，模拟效果最好的站点为精河，这和OIPC的结果也是相同的。无论是站点还是区域，两套产品表现最优的地区是相同的，但模拟精度存在差异。综合各项评估参数结果来看，在对天山地区δ¹⁸O值的模拟中， RCWIP表现优于OIPC。

3.1.2　两种模型在d-excess值模拟中的适用性评估

绘制天山地区各站点OIPC、 RCWIP和实测月均降水d-excess值（图4），其中虚线框标识部分为夏半年。与δ¹⁸O值的模拟效果相比较， d-excess值的模拟效果较差。整个天山地区不同区域间d-excess模拟值与实测值都存在较大差异。两套产品模拟值在各月之间的变化相对平稳，但实测值存在较大幅度的波动，说明实际各月之间d-excess值的变化幅度往往不能进行有效模拟。

图4

图4 天山地区各站点OIPC、 RCWIP和实测月均降水d-excess值

Fig.4 Monthly variation of d-excess value in precipitation based on OIPC， RCWIP and observations for each site across the Tianshan Mountains

在夏半年， RCWIP对天山地区23个站点的模拟，仅有乌鲁木齐和阿克苏两个站点R²值高于0.6，分别为0.89和0.84，其余各站R²值均小于0.5，甚至在部分站点低于0.1。RMSE值和MAE值也表示， RCWIP在夏半年对d-excess值的模拟很不理想。RMSE最大值高达28.3‰，最小值也有5.2‰，而MAE值范围则为4.5‰ ~ 26.7‰，均表现出模拟效果不佳结果。OIPC对天山地区d-excess值的模拟效果同样不理想；仅有乌鲁木齐和阿克苏两个站点R²值高于0.6，分别为0.86和0.68，同时RMSE值和MAE值也比较大。两套产品所计算出的MBE值，除了吐鲁番为正值外，其余均为负值且数值较大。从区域来看，位于Ⅲ区的各站点拟合程度较优于其他区域站点。

在冬半年，由于降水偏少，导致仅有11个站点能够计算R²值，且只有蔡家湖和阿合奇两个站点的R²值大于0.6。RCWIP在这两个站点的R²值分别为0.71和0.66， OIPC则分别为0.70和0.64。其余各站点于两套产品模拟值所计算出的R²值均很低。并且RMSE值和MAE值在两套产品均偏高，表明其在冬半年对d-excess模拟值与天山地区23个站点实测值差距较大。

从全年来看，两套模拟产品对天山地区d-excess值的拟合度是不太理想的。参考各项评估参数可以看出， OIPC在整个新疆天山地区对d-excess值的模拟，仅有巴音布鲁克和轮台两个站点R²值大于0.6，分别为0.85和0.61，其余站点所计算出的R²值均小于0.5，并且有部分站点低于0.1。对于所有站点， RMSE值均大于10‰，最高值在伊吾，达到了32‰。也就是说，相较于对δ¹⁸O值的模拟， OIPC对d-excess值的模拟结果很不理想。对于RCWIP而言，其对天山地区d-excess值模拟最好的站点也是巴音布鲁克， R²值达到了0.77，并且模拟效果整体上也与OIPC类似，即模拟效果不理想，存在多个站点R²值小于0.1。整体来看， RCWIP与OIPC全球降水同位素分布模拟数据产品对d-excess值在天山地区的模拟效果均不理想，适用性较差。无论是冬半年还是夏半年， d-excess模拟值与实测值计算出的R²值均较小、 RMSE值均很大， MAE值也表现出各站点之间存在巨大的差异。

3.2　OIPC及RCWIP模拟效果对比

通过两种模拟值与实测值计算出天山地区各区域的R²值、 RMSE值、 MAE值以及MBE值（表2），比较其在天山地区适用性。对于整个天山地区而言， RCWIP模拟数据在三个参数对比中均表现出其具有更高的拟合度，且δ¹⁸O值的拟合度显著高于d-excess值的拟合度。

表2 两种模型在天山各区域精度对比

Table 2 A comparison of the accuracy of the two models in the Tianshan Mountains

区域	站点数	模型	R²		RMSE/‰		MAE/‰		MBE/‰
区域	站点数	模型	δ¹⁸O	d-excess	δ¹⁸O	d-excess	δ¹⁸O	d-excess	δ¹⁸O	d-excess
准噶尔盆地荒漠自然区（Ⅰ）	9	RCWIP	0.83	0.23	4.44	23.51	3.37	22.41	1.63	-22.41
准噶尔盆地荒漠自然区（Ⅰ）	9	OIPC	0.81	0.20	4.50	23.53	3.43	22.35	1.96	-22.35
伊犁-巴音布鲁克中天山自然区（Ⅱ）	3	RCWIP	0.67	0.43	3.93	23.16	3.21	22.32	-0.25	-22.32
伊犁-巴音布鲁克中天山自然区（Ⅱ）	3	OIPC	0.64	0.41	4.03	23.24	3.21	22.42	-0.34	-22.42
塔里木盆地极端干旱荒漠自然区（Ⅲ）	8	RCWIP	0.83	0.16	4.89	17.10	4.06	15.06	0.51	-13.08
塔里木盆地极端干旱荒漠自然区（Ⅲ）	8	OIPC	0.82	0.14	5.48	19.47	5.08	17.63	-2.54	-16.11
吐鲁番-哈密荒漠自然区（Ⅳ）	3	RCWIP	0.83	0.14	5.09	16.47	4.01	13.74	0.12	-2.30
吐鲁番-哈密荒漠自然区（Ⅳ）	3	OIPC	0.84	0.18	5.73	16.55	4.40	13.54	-1.34	-3.76
全域	23	RCWIP	0.81	0.22	4.62	20.31	3.68	18.71	0.79	-16.53
全域	23	OIPC	0.79	0.21	4.94	21.17	4.10	19.57	-0.44	-17.76

新窗口打开| 下载CSV

从表2可以看出，无论是RCWIP还是OIPC， δ¹⁸O值在各区域之间模拟效果最佳的均是Ⅰ区，其次是Ⅱ区和Ⅲ区， Ⅳ区的模拟效果最差。从两套产品模拟过程来看，其考虑了降水事件发生时的大气温度、水汽起源以及传输模式，并通过纬度和海拔两个参数建立模型。因此从理论上来说，研究区内由局地效应对降水产生的影响越少，其模拟精度越高。以往的降水同位素研究认为^［28-29］，天山地区的水汽主要受西风带影响，降水中氢氧稳定同位素值呈现出夏高冬低的特征。这使得Ⅰ区和Ⅱ区相较于位于背风坡的Ⅲ区和Ⅳ区，更容易稳定接收由盛行西风带来的水汽。位于背风坡的两个自然区降水更为匮乏，气温较高，相对湿度较低。在西北干旱区，相对湿度、降水量和气温都与云下二次蒸发程度有关^［18-19］，位于天山南坡的Ⅲ区和Ⅳ区云下二次蒸发效应强于位于天山北侧的Ⅰ区和Ⅱ区，局地效应的增强导致模型模拟效应减弱，这也是为何两套产品模拟效果最差的区域均是Ⅳ区的原因。冬半年两套产品模拟最好的区域是Ⅱ区，该区域西部为迎风坡，中东部海拔较高，空气湿度较大，降水量比其它区域充沛。

无论是RCWIP还是OIPC，对d-excess值的模拟均不理想。从两套模型的建立过程中来看，仍难以充分考虑局部气候环境对降水同位素产生的影响，特别是在实测资料匮乏导致残差订正本身不够准确的区域。据Wang等^［30］的研究，在天山地区，特别是绿洲区，水汽再循环对降水贡献率较大；且孟鸿飞等^［31］研究表明，在中国西部（包括天山地区），较大地形（高山高原等）对水汽抬升冷凝形成的降水也会影响水汽中d-excess值的大小。二次蒸发效应在小雨事件中表现得尤其明显^{［18，32］}，而新疆降水多以小雨量为主^［33］，这都是两套模型模拟效果不佳的因素。从表2来看，两套产品对d-excess值的拟合程度很低，在使用时需要慎重考虑。

对于两套产品在天山地区的适用性，通过前文的比较可知RCWIP更好。相较于OIPC模型， RCWIP模型除了使用纬度和海拔两个参数进行数据拟合，还将源数据站点进行了分组，将全球划分为若干个区域，每个区域考虑其气候类别采用不同的模型，并且在区域边界做了模糊聚类的过渡处理。此外，有研究^［34］在对BW方法的订正中提出，在δ¹⁸O的模拟上协同克里格插值相比于反距离加权插值表现更优，这也是值得注意并进一步研究的。

3.3　乌鲁木齐站年际变化模拟结果评估

由于Wang等^［22］建立的天山同位素监测网络实测数据时间尺度最长仅为14个月且本文只选择其中12个月数据，不能准确评估年际变化差异的可能影响。因此选择GNIP数据库^［27］乌鲁木齐站多年数据对其年际变化差异可能产生的影响进行分析（图5）。虽然存在部分年份缺测，但不影响观察该站点δ¹⁸O值多年变化。

图5

图5 1986 - 2003年乌鲁木齐站各月δ¹⁸O实测值年际变化对比图

Fig.5 Comparison of interannual variation of monthly observed δ¹⁸O value in Urumqi from 1986 to 2003

图5绘制了乌鲁木齐站δ¹⁸O值在逐年月值。从实测值来看，各月份虽然存在年际变化，但并没有显著的递增或者递减，而是在一定范围内波动。其中1月、 2月、 3月以及12月波动幅度较大，这些月份均属于冬半年，而夏半年各月份δ¹⁸O值在年尺度上波动幅度更小。也就是说，乌鲁木齐站各月δ¹⁸O值在年际尺度上仅出现小幅度波动且夏半年波动幅度小于冬半年，并未形成规律性增加或者减少。也正因为δ¹⁸O实测值在冬半年波动幅度大而夏半年波动幅度小，导致评估结果显示夏半年模拟效果更好。

同时，从图5中可以看出，对于两套产品对每月的模拟值均位于该月多年平均值附近，表示两套产品对乌鲁木齐站δ¹⁸O值的模拟存在合理性。其中OIPC的模拟结果普遍比实测平均值偏大而RCWIP的模拟结果普遍比实测平均值的偏小。并且在3、 5、 9、 10、 11等月份，两套产品模拟值非常接近且均与实测平均值相似。也就是说，虽然RCWIP和OIPC两套产品所使用的降水同位素值与本文所使用的实测数据存在年际差异，但由于各月年际间并没有发生大幅度递变，因此不影响两套产品对多年平均值的代表性。在缺乏长期监测的情况下这两套数据仍有重要的使用价值。

4 结论

使用天山地区实测降水稳定同位素数据对OIPC和RCWIP全球降水同位素分布模拟数据产品进行评估，结果表明： R²， RMSE， MAE和MBE等评估参数显示出，总体上RCWIP对天山地区降水稳定同位素数据的模拟情况优于OIPC数据。

（1）对δ¹⁸O值的模拟效果： OIPC在夏半年模拟情况相对较好，其中Ⅰ区模拟效果较其他区域更好，而Ⅳ区模拟效果相对较差。RCWIP的模拟效果在区域上与OIPC相同，但各项评估参数显示其整体模拟精度高于OIPC。两套产品在冬半年的模拟情况均不如夏半年。从区域上看， Ⅱ区在两套产品中均表现相对较好。且就整个天山地区而言，两套产品在冬半年的模拟值在大多数站点均高于实测值。

（2）对d-excess值的模拟效果：总体看来，两套数据对于d-excess值的模拟效果均不如对于δ¹⁸O值的拟合效果，对其使用应持慎重的态度。在夏半年，两套产品均只有乌鲁木齐和阿克苏两个站点R²值大于0.6；冬半年则仅有蔡家湖和阿合奇两个站点R²值大于0.6；从全年来看两套产品表现最好的站点是巴音布鲁克。

（3）通过对乌鲁木齐站多年数据分析可知，由于该站点各月逐年δ¹⁸O值并未呈现出上升或下降趋势，而是在一定范围内波动，表示年际变化差异对模拟情况产生的影响比较小，不影响两套产品对于多年平均值的模拟，在缺乏长期监测的情况下这两套数据仍有重要的使用价值。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Bowen

G J

， Cai

， Fiorella

R P

， et al.

Isotopes in the water cycle： regional- to global-scale patterns and applications

［J］. Annual Review of Earth and Planetary Sciences， 2019， 47（1）： 453 - 479.

[2]

Zhang

M J

， Wang

S J

A review of precipitation isotope studies in China： basic pattern and hydrological process

［J］. Journal of Geographical Sciences， 2016， 26（7）： 921 - 938.

[3]

Tan

Zhongcheng

， Lu

Baohong

， Wang

Jiyang

， et al.

Isotope hydrology： progress and prospects

［J］. Journal of Hohai University （Natural Sciences）， 2009， 37（1）： 16 - 22.

谭忠成，陆宝宏，汪集旸，等.

同位素水文学研究综述

［J］. 河海大学学报（自然科学版）， 2009， 37（1）： 16 - 22.

[4]

Thomas

E R

， Bracegirdle

T J

Precipitation pathways for five new ice core sites in Ellsworth Land， West Antarctica

［J］. Climate Dynamics， 2015， 44（7/8）： 2067 - 2078.

[5]

Bowen

G J

， Revenaugh

Interpolating the isotopic composition of modern meteoric precipitation

［J］. Water Resources Research， 2003， 39（10）： 1 - 13.

[6]

Wang

Shengjie

， Zhang

Mingjun

Spatio-temporal characteristics and influencing factors of stable isotopes in precipitation across the Chinese Tianshan Mountains

［J］. Quaternary Sciences， 2017， 37（5）： 1119 - 1130.

王圣杰，张明军.

新疆天山降水稳定同位素的时空特征与影响因素

［J］. 第四纪研究， 2017， 37（5）： 1119 - 1130.

[7]

Bowen

G J

， Ehleringer

J R

， Chesson

L A

， et al.

Stable isotope ratios of tap water in the contiguous United States

［J］. Water Resources Research， 2015， 43（3）： 399 - 407.

[8]

Zhao

S H

， Hu

H C

， Tian

F Q

， et al.

Divergence of stable isotopes in tap water across China

［J］. Scientific Reports， 2017， 7： 43653.

[9]

Wang

S J

， Zhang

M J

， Bowen

G J

， et al.

Water source signatures in the spatial and seasonal isotope variation of Chinese tap waters

［J］. Water Resources Research， 2018， 54（11）： 9131 - 9143.

[10]

Chesson

L A

， Barnette

J E

， Bowen

G J

， et al.

Applying the principles of isotope analysis in plant and animal ecology to forensic science in the Americas

［J］. Oecologia， 2018， 187（4）： 1077 - 1094.

[11]

Birks

S J

， Gourcy

， Aggarwal

P K

， et al.

Maps and animations offer new opportunities for studying the global water cycle

［J］. Eos Transactions American Geophysical Union， 2002， 83（37）： 406 - 406.

[12]

Joussaume

， Jouzel

， Sadourny

Erratum： A general circulation model of water isotope cycles in the atmosphere

［J］. Nature， 1984， 311（5987）： 680 - 680.

[13]

Bowen

G J

， Wilkinson

Spatial distribution of δ ¹⁸O in meteoric precipitation

［J］. Geology， 2002， 30（4）： 315 - 318.

[14]

Bowen

G J

， Wassenaar

L I

， Hobson

K A

Global application of stable hydrogen and oxygen isotopes to wildlife forensics

［J］. Oecologia， 2005， 143（3）： 337 - 348.

[15]

Terzer

， Wassenaar

L I

， Araguás-Araguás

L J

， et al.

Global isoscapes for δ¹⁸O and δ²H in precipitation： improved prediction using regionalized climatic regression models

［J］. Hydrology and Earth System Sciences， 2013， 17（11）： 4713 - 4728.

[16]

Lisowska-Gaczorek

， Cienkosz-Stepańczak

， Szostek

Oxygen stable isotopes variation in water precipitation in Poland： anthropological applications

［J］. Anthropological Review， 2017， 80（1）： 57 - 70.

[17]

Tian

Qian

， Fang

Xiaomin

， Wang

Mingda

Sedimentary n-alkanes record of precipitation D/H ratios in arid regions of the Tibetan Plateau

［J］. Chinese Science Bulletin 2017， 62： 700 - 710.

田茜，方小敏，王明达.

青藏高原干旱区湖泊正构烷烃氢同位素记录降水同位素

［J］. 科学通报， 2017， 62： 700 - 710.

[18]

Liu

Jieyao

， Zhang

Fuping

， Feng

， et al.

Influence of below-cloud secondary evaporation on stable isotope composition in precipitation in Northwest China

［J］. Chinese Journal of Applied Ecology， 2018， 29（5）： 1479 - 1488.

刘洁遥，张福平，冯起，等.

西北地区降水稳定同位素的云下二次蒸发效应

［J］. 应用生态学报， 2018， 29（5）： 1479 - 1488.

[19]

Wang

S J

， Zhang

M J

， Che

Y J

， et al.

Influence of below-cloud evaporation on deuterium excess in precipitation of arid central Asia and its meteorological controls

［J］. Journal of Hydrometeorology， 2016， 17（7）： 1973 - 1984.

[20]

Ruji

. Physical geography of the Tianshan Mountains in China［M］. Beijing： China Environmental Science Press， 2004： 443.

胡汝骥

. 中国天山自然地理［M］. 北京：中国环境科学出版社， 2004： 443.

[21]

Liu

Youcun

， Jiao

Keqin

， Zhao

Kui

， et al.

The response of precipitation to global climate change in the Tianshan Mountains， China

［J］. Journal of Glaciology and Geocryology， 2017， 39（4）： 748 - 759.

刘友存，焦克勤，赵奎，等.

中国天山地区降水对全球气候变化的响应

［J］. 冰川冻土， 2017， 39（4）： 52 - 63.

[22]

Wang

S J

， Zhang

M J

， Hughes

C E

， et al.

Factors controlling stable isotope composition of precipitation in arid conditions： an observation network in the Tianshan Mountains， central Asia

［J］. Tellus Series B： Chemical & Physical Meteorology， 2016， 68（1）： 26206.

[本文引用: 4]

[23]

Chen

. Physical geography of arid land in China［M］. Beijing： Science Press， 2015： 493 - 494.

[本文引用: 6]

陈曦

. 中国干旱区自然地理［M］. 北京：科学出版社， 2015： 493 - 494.

[本文引用: 6]

[24]

Shi

Yuguang

， Sun

Zhaobo

， Yang

Qing

Characteristics of area precipitation in Xinjiang region with its variations

［J］. Journal of Applied Meteorological Science， 2008， 19（3）： 326 - 332.

史玉光，孙照渤，杨青.

新疆区域面雨量分布特征及其变化规律

［J］. 应用气象学报， 2008， 19（3）： 326 - 332.

[25]

Liu

Yuzhi

， Wu

Chuqiao

， Jia

Rui

， et al.

An overview of the influence of atmospheric circulation on the climate in arid and semi-arid region of central and east Asia

［J］. Science China Earth Sciences， 2018， 48（9）： 1141 - 1152.

刘玉芝，吴楚樵，贾瑞，等.

大气环流对中东亚干旱半干旱区气候影响研究进展

［J］. 中国科学：地球科学， 2018， 48（9）： 1141 - 1152.

[26]

Wang

S J

， Zhang

M J

， Hughes

C E

， et al.

Meteoric water lines in arid central Asia using event-based and monthly data

［J］. Journal of Hydrology， 2018， 562： 435 - 445.

[27]

IAEA/WMO.

Global network of isotopes in precipitation

［N］. ， 2018-02-12.

[28]

Xiaofei

， Zhang

Mingjun

， Li

Yaju

， et al.

Characteristics of δ ¹⁸O in precipitation and moisture transports over the arid region in Northwest China

［J］. Environmental Science， 2012， 33（3）： 711 - 719.

李小飞，张明军，李亚举，等.

西北干旱区降水中δ ¹⁸O变化特征及其水汽输送

［J］. 环境科学， 2012， 33（3）： 711 - 719.

[29]

Wang

S J

， Zhang

M J

， Crawford

， et al.

The effect of moisture source and synoptic conditions on precipitation isotopes in arid central Asia

［J］. Journal of Geophysical Research： Atmospheres， 2017， 122（5）： 2667 - 2682.

[30]

Wang

S J

， Zhang

M J

， Che

Y J

， et al.

Contribution of recycled moisture to precipitation in oases of arid central Asia： a stable isotope approach

［J］. Water Resources Research， 2016， 52（4）： 3246 - 3257.

[31]

Meng

Hongfei

， Zhang

Mingjun

， Wang

Shengjie

， et al.

Application of CWT method in identifying water vapor sources of summer precipitation in China

［J］. Arid Zone Research， 2018， 35（4）： 872 - 881.

孟鸿飞，张明军，王圣杰，等.

CWT方法在中国夏季降水水汽来源识别中的应用

［J］. 干旱区研究， 2018， 35（4）： 872 - 881.

[32]

Pan

Sumin

， Zhang

Mingjun

， Wang

Shengjie

， et al.

Quantitative study of sub-cloud secondary evaporation effect on stable isotopes in raindrops during summer in Xinjiang

［J］. Arid Land Geography， 2018， 41（3）： 56 - 66.

潘素敏，张明军，王圣杰，等.

新疆夏季云下二次蒸发对雨滴稳定同位素影响的定量研究

［J］. 干旱区地理， 2018， 41（3）： 56 - 66.

[33]

Yahan

， Zhou

Shunwu

， Heng

Bati

， et al.

Spatial distribution of summer graded precipitation in Xinjiang during 1965 - 2015

［J］. Journal of Glaciology and Geocryology， 2018， 40（6）： 1231 - 1241.

杜雅菡，周顺武，亨巴提，等.

1965 - 2015年新疆夏季不同等级降水的空间分布特征

［J］. 冰川冻土， 2018， 40（6）： 1231 - 1241.

[34]

Yang

Junhua

， Qin

Xiang

， Wu

Jinkui

， et al.

The application of modified BW method in studying spatial distribution of δ ¹⁸O in precipitation over China

［J］. Journal of Glaciology and Geocryology， 2014， 36（6）： 1430 - 1439.

杨俊华，秦翔，吴锦奎，等.

修正BW方法在中国大气降水δ ¹⁸O空间分布研究中的应用

［J］. 冰川冻土， 2014， 36（6）： 1430 - 1439.