在自然界中，水由氢、氧两种元素组成。氢的两种同位素氕（H）、氘（D）和氧的三种同位素¹⁶O、¹⁷O、¹⁸O都有不同的原子质量。不同同位素组合方式的水分子（H₂¹⁶O，H₂¹⁸O，HDO）存在分子质量和组合方式上的差异，使得在不同气象条件下水体相变转化时会发生同位素分馏，由此导致的水体稳定同位素组成的差异可以反映其形成过程中蒸发、传输、对流、冷凝等过程，因此，其被广泛运用于古气候的重建^［1］和现代水循环过程研究^［2］。在过去几十年里，水体稳定同位素的研究主要集中在降水稳定同位素研究。从1961年以来，国际原子能机构（IAEA）和世界气象组织（WMO）联合，在全世界建立了全球降水同位素观测网（GNIP），收集了800多个站点的降水同位素数据和对应气象数据，使我们对降水稳定同位素的时空分布和影响因素有了清晰认识^［3-5］。

大气水汽是水循环过程中的核心组分，对大气水汽氢氧稳定同位素的研究有助于我们进一步深入认识现代水循环过程。与降水稳定同位素研究相比，大气水汽稳定同位素的研究相对很少，但是，大气水汽稳定同位素研究具有一定的优势。降水稳定同位素研究所采取的样品为降水，采样本身限制了氢氧稳定同位素数据的空时分辨率。天气状况和区域条件制约着降水样品的获取。大气水汽稳定同位素观测不受季节（例如是否降雨季节）和天气（例如是否有雨）的影响，可以获得连续的大气水汽氢氧稳定同位素数据。在少雨甚至无雨的地区，大气水汽同位素观测依然可以进行^［6］。

在国外，大气水汽氢氧稳定同位素研究开展相对较早。在欧美、南大洋、格陵兰岛等地都展开过相关的研究^［7-10］。White等^［11］对纽约的帕利塞德午后水汽样品进行研究，发现水汽稳定同位素与相对湿度和比湿存在显著的正相关关系；Jacob等^［7］利用德国海德尔堡1981—1998年的观测数据，发现在年际尺度上水汽稳定同位素组成与降水稳定同位素组成表现的显著相关性并没有在月尺度上表现出来，而且冬季的温度效应比夏季大；Gat等^［9］分析地中海大气水汽同位素数据，证明了海岸附近强烈的海-气相互作用；Bastrikov等^［10］对西西伯利亚大气水汽同位素数据的研究，发现大气水汽同位素组成和湿度的季节性变化依赖于天气条件；Guilpart等^［8］分析了印度洋西南部留尼汪岛1年的水汽稳定同位素记录，发现大气水汽稳定同位素夜晚贫化，白天富集，认为其日变化是受海-陆风和上下坡流相互作用控制。

然而青藏高原的大气水汽稳定同位素研究开展很少。余武生等^［12］利用冷阱法采集青藏高原那曲地区大气水汽样品，发现季风结束前后，降水事件和水汽来源会影响该流域的水汽δ¹⁸O的变化。尹常亮等^［13］分析了德令哈大气水汽稳定同位素，发现德令哈水汽δ¹⁸O的季节变化明显，呈现夏季值高于冬季值，并且降水事件影响德令哈水汽δ¹⁸O值。崔江鹏等^［14］通过分析了青藏高原中部的那曲河流域2013年10月15日—16日水汽δ¹⁸O变化，发现在季风结束期，印度洋的水汽依旧影响到青藏高原中部地区，带来δ¹⁸O极低的水汽。Yu等^［15］分析塔什库尔干大气水汽稳定同位素，发现了温度是水汽δ¹⁸O变化的主要影响因素。Tian等^［16］分析了2012年1月—2014年9月的拉萨的大气水汽稳定同位素，说明了季风期和非季风期间大气水汽稳定同位素变化差异。在季风期，水汽δ¹⁸O的低值与季风水汽有关；在非季风期，水汽δ¹⁸O与温度呈现正相关性；d-excess的微弱的季节变化反映了水汽来源地的季节性特征。这些研究都表明大气水汽稳定同位素能够提供有效的水汽传输和局地影响过程信息。

青藏高原是世界上海拔最高的高原，平均海拔超过4 000 m，总面积约250万km^2［17］。由于其较高的地势，青藏高原是中低纬度冰川分布最多的区域。青藏高原受西风和季风交替控制，同时，其较高的地势对西风产生了阻挡。在冬季，西风带南移，受高原阻挡分为南北两支，北支的气流给高原西北部地区带来一定的湿度，加强了高原地面的冷高压，南支气流加强了高原西南部的干旱；在夏季，西风带北移，南支气流消失^［18］。西风不但影响着青藏高原的气候模式，而且还影响青藏高原上的现代冰川、湖泊以及生态系统^［19］。高分辨率的大气水汽同位素观测研究可以更清楚地了解西风传输下水汽时空变化特征和水汽稳定同位素变化的影响因子，为区域水循环研究提供必要数据和关键认知。

因此，我们于2017年7月26日—11月6日和2018年7月30日—12月10日在中国科学院慕士塔格西风带环境综合观测研究站对地表大气水汽稳定同位素进行了高精度连续实时监测，以阐明不同时间尺度下大气水汽稳定同位素的变化特征及其影响因素。

2017年7月，作者所在课题组开始在中国科学院慕士塔格西风带环境综合观测研究站（简称慕士塔格站）进行高精度连续大气水汽稳定同位素和同期气象数据观测，数据观测分辨率为1 s。

中国科学院慕士塔格西风带环境综合观测研究站（38.41° N，75.04° E）位于新疆维吾尔自治区阿克陶县布伦口乡，紧邻慕士塔格峰和卡拉库里湖，地处帕米尔高原东部，属于高寒、荒漠气候，是典型的西风带影响区^［20］，发育了许多规模较大的山地冰川^［21］，雪线高度在海拔4 900～5 300 m。2017年到2018年的气象观测数据表明，该地区日均气温为0.7 ℃，日均风速为3.3 m·s^-1，日均比湿为3.2 g·kg^-1，年均降水量为167.5 mm。温度、比湿夏季高，冬季低。风速夏季低，冬季高。降雨量主要集中在夏秋季。

我们利用Picarro L2130i水汽稳定同位素分析仪开展了地表以上8 m处大气水汽稳定同位素的实时连续观测。采集到的大气水汽直接进入汽化室和主机进行测量。标样发生器配备两个不同值的标样，用于测量结果校准。每天进行标样与大气水汽交叉测试。大气水汽稳定同位素的测试结果用“维也纳标准平均海洋水（VSMOW）”的千分差表示，计算公式为：

式中：δ*为δ¹⁸O或δD，表示样品中¹⁸O或D同位素比相对于维也纳标准平均海洋水（VSMOW）的值；R_sample是样品的¹⁸O或D的同位素比，R_VSMOW是维也纳标准平均海水的¹⁸O或D的同位素比。此外，定义过量氘d-excess=δD-8×δ¹⁸O。

由于激光水汽稳定同位素分析仪具有水汽浓度依赖性，大气水汽稳定同位素数据的校准决定了观测结果的有效性。因此，利用Picarro仪器观测到的大气水汽氢氧稳定同位素必须经过严格校准才能进行使用。本研究中校准流程如下：

（1）仪器配备的两个标样分别为A1和A2。

（2）消除记忆效应。利用Picarro水汽同位素分析仪自带的“SDM Data Processor”软件删除仪器每次测量的A1和A2标样的最开始5分钟和结束前30秒数据。当标样水汽浓度_SD<200，δ¹⁸O_SD<0.2，δD_SD<1时，选择此数据做记忆效应拟合计算。

（3）浓度效应校正。计算第（2）步处理过的标样A1和标样A2在不同水汽浓度下的测量值与其真值的差值，将此差值与水汽浓度差值进行多项式拟合，得到浓度效应方程。利用此方程，消除观测结果的浓度效应。

（4）建立线性关系。用每天所选的3个不同水汽浓度梯度的标样同位素测量值与标样同位素真值建立线性关系。

（5）大气水汽稳定同位素数据真值校准：

利用第（3）步得出的δ¹⁸O与H²O方程和δD与H²O方程，以大气水汽浓度作为自变量求出水汽氢氧稳定同位素偏移值。用测得的大气水汽氢氧稳定同位素值减去偏移值。再利用第（4）步线性方程，得到大气水汽氢氧稳定同位素真值。

气象数据采集方法：按照气象观测要求，

慕士塔格西风带环境综合观测研究站在海拔3 650 m的观测场架设了一套Campbell自动气象站，用于自动观测风、温、湿、压和降水量，记录频率为半小时。降水量数据的记录频率为天。

降水样品的收集与测试：按照气象观测规范要求， 对每次降水过程都实施取样。在收集降水同时还记录每次降水的起止时刻，用雨量桶收集雨水后，直接装入塑料水样品瓶里进行编号，并标明日期，将瓶盖拧紧并加以密封以防瓶中水样品蒸发。密封有降水的塑料瓶保存在低温室内。样品的测试是在中国科学院青藏高原研究所环境变化与地表过程重点实验室Picarro仪器上进行的。测试结果以V-SMOW“维也纳标准平均海洋水”的千分差表示：

式中：R_sample和R_VSMOW分别为降水样品和V-SMOW中D/H（¹⁸O/¹⁶O）的比率。同位素D和¹⁸O含量分别用δD和δ¹⁸O表示。

图2给出了2017年和2018年夏季和秋季大气水汽中δ¹⁸O、d-excess、风速（WS）、温度（T）和比湿（q）的日内变化特征。在对应的时间范围内，我们计算多日平均的小时数据，对应时刻为00：00—23：00（北京时间，下同）。2017年夏季，大气水汽中δ¹⁸O最大值为-12.25‰，最小值为-13.86‰，平均值为-13.04‰；d-excess最大值为21.96‰，最小值为16.90‰，平均值为19.70‰。2017年秋季，大气水汽δ¹⁸O明显低于夏季，其最大值为-18.67‰，最小值为-24.72‰，平均值为-21.44‰；而d-excess显著高于夏季，平均值为25.90‰，其最大值比夏季最大值高出约10‰，最小值也高于夏季最小值5‰。这表明秋季水汽来自于更干冷的来源。2018年夏季，大气水汽δ¹⁸O范围与2017年夏季相近，为 -12.87‰~-14.96‰；其d-excess平均值较2017年同期增大约4‰，最大值和最小值都高于2018年同期约3‰。2018年秋季，大气水汽δ¹⁸O平均值低于2017年秋季平均值约9‰，其范围为-28.77‰~ -31.36‰，而d-excess低于2017年同期约10‰，最小值接近全球平均值10‰。这很可能是2018年的水汽源地与2017年相比发生了变化，但这需要其他数据分析来证实，此文不做分析讨论。

在图2中，水汽δ¹⁸O、水汽d-excess、气温和比湿都具有明显的日变化特征。夏季，温度最低值出现在08：00，最高值出现在18：00。秋季，温度最低值出现在09：00，最高值出现在17：00—18：00。温度极值出现的时间差异受控于日照的季节差异。风速在夏季的夜间出现最大值，而在秋季的下午16：00左右出现最大值。水汽δ¹⁸O在夏季和秋季12：00—19：00都明显低于其他时间，并且该时段的比湿值也低于全天其他时段，但是水汽δ¹⁸O的最大值出现时间不确定，分别为03：00［图2（a）］，09：00［图2（b）］，04：00［图2（c）］和11：00［图2（d）］，即，夏季水汽δ¹⁸O的最大值出现在凌晨，而秋季出现在日出之后。其出现时间不对应于气温、比湿和风速的极值出现时间。我们还发现，夏季，d-excess与δ¹⁸O反相位，其值在10：00—13：00达到每日最大值，其峰谷变化与比湿较一致；秋季，d-excess值在12：00—18：00显著高于其他时段，其峰值早于温度峰值出现时间约6小时，也早于比湿和风速的峰值出现时间。这表明该地区大气水汽稳定同位素变化的主导因素不是单一局地气象要素。

表1给出了2017-07-26—2017-11-06和2018-07-30—2018-12-10大气水汽氢氧稳定同位素与站内自动气象站测得温度（T）、风速（WS）和比湿（q）的基本统计特征。2017年水汽δ¹⁸O的最低值出现在9月25日06：00，最高值出现在7月28日14：00，平均值为-15.80‰；7月水汽δ¹⁸O日波动幅度最小，而8月14日至20日的水汽δ¹⁸O日波动幅度最大，超过10‰。δD的变化基本与水汽δ¹⁸O一致；d-excess最低值出现在8月15日23：00，最高值出现在9月25日11：00，平均值为21.74‰；温度（T）的最低值出现在9月26日09：00，最高值出现在8月1日20：00，平均值为5.68 ℃；风速（WS）的变化范围与2018年相差很小，但平均风速略低于2018年；比湿（q）的最低值出现时9月25日10：00，最高值出现在7月29日11：00，平均值为4.30 g·kg^-1，显著高于2018年。2018年的水汽δ¹⁸O的变化范围略大于2017年的δ¹⁸O变化范围；δD的变化范围明显大于2017年的δD变化范围，而平均值为-190.17‰，显著低于2017年的δD平均值；d-excess的变化范围较2017年出现了负值。值得注意的是，当δ¹⁸O<-19‰时，基本以西南风为主导风向。

大气水汽δ¹⁸O和δD在2017年以及2018年呈现明显的下降趋势，表现为7月或8月出现最大值，此后逐渐减小，到12月出现最低值。10月之前d-excess的波动幅度小于10月之后的波动幅度。此期间的温度（T）和比湿（q）总体也呈现明显的下降趋势。温度（T）有明显的日间波动，这是由于受日照变化影响。水汽δ¹⁸O和δD的波动与比湿的波动更为接近。两年的比湿变化特征显示，在10月前比湿的波动幅度要大于10月之后比湿的波动幅度。这可能是由于该地区10月之前，气温较高，日温差较大，区域蒸发作用较强，比湿较高，比湿的波动幅度也较大。在10月之后，温度降低，区域蒸发作用减小，西风加强，此时的湿度较低，湿度波动幅度较小。风速10月之前的波动幅度要小于10月之后的波动幅度。

图3显示了水汽δ¹⁸O、d-excess、降水δ¹⁸O、风速、降水量日均值的时间变化。从图中可以看出日变化特征与小时变化类似。降水样品的收集主要集中在7—9月。降水δ¹⁸O显著高于同期水汽δ¹⁸O值。降水δ¹⁸O值与同期降水量的相关性并不显著。在10月之前，该地区温度高，蒸发强烈，局地的地表水蒸发成水汽补充了原来空气中的水汽，导致水汽重同位素贫化，而降水重同位素富集。在2018年，风速在10月之后波动较大，与水汽δ¹⁸O的波动呈反相位，并对应于水汽d-excess的迅速减小。这表明了水汽传输过程对近地面大气水汽稳定同位素的影响。

在月尺度上，慕士塔格水汽δ¹⁸O的变化特征与塔什库尔干水汽δ¹⁸O^［15］相似，都是秋、冬季较高，夏季较低。这可能是由于两地都处于西风控制区，降水在7月、8月、9月较多，10月、11月较少，季节性降水来源和地表蒸散发贡献的差异导致了近地表大气水汽稳定同位素的差异。与拉萨的研究^［16］相比，慕士塔格水汽δ¹⁸O没有表现出季风水汽影响的特征，这主要是由于拉萨夏季主要受印度季风水汽影响，二者水汽来源有显著差异。

为了进一步分析日尺度上影响大气水汽稳定同位素的气象因素，我们将气象参数与水汽δ¹⁸O进行了相关分析。

图4给出了小时平均水汽δ¹⁸O与温度以及比湿的拟合关系。在小时尺度上，水汽δ¹⁸O与温度呈显著正相关关系（r²=0.51，n=2637，P<0.001），与比湿呈对数关系（r²=0.79，n=2637，P<0.001）。这表明该地区大气水汽δ¹⁸O受局地大气湿度的显著影响，同时也受到温度变化的影响。外来水汽输入和局地蒸散发会导致大气湿度的显著变化，而温度降低会导致大气水汽不断凝结，水汽中的重同位素不断减少，随之大气水汽δ¹⁸O减小。这与周边和田、喀布尔（阿富汗）^［22］的降水稳定同位素研究结果相似。

为了进一步讨论在小时尺度上气象要素对水汽δ¹⁸O的影响，将水汽δ¹⁸O与温度、比湿进行了多元回归分析。设定多元回归模型为：δ¹⁸O=a×T+b×ln（q）-c（a、b为系数，c为常数），分为模型1（包括自变量温度、比湿）、模型2（排除自变量温度）、模型3（排除自变量比湿），运行三次。得到三个多元回归方程（模型1：δ¹⁸O=0.29T+10.76ln（q）-35.86；模型2：δ¹⁸O=12.89ln（q）-37.24；模型3：δ¹⁸O=0.93T-25.59），其调整r²分别为0.82、0.79、0.51。说明在小时尺度上比湿对大气水汽δ¹⁸O的影响显著强于气温，这与单一要素的相关分析结果一致。

图5给出了日平均水汽δ¹⁸O与温度和比湿以及风速的拟合关系。结果表明，日平均水汽δ¹⁸O与温度也呈正相关关系（r²=0.80， n=152， P<0.001），与比湿也呈对数关系（r²=0.80， n=152， P<0.001），而且与温度的相关性显著提高。这表明在不同时间尺度上，温度和比湿对水汽δ¹⁸O的影响发生了变化。此外，日平均水汽δ¹⁸O与风速呈现显著反相关关系（r²=0.31， n=152， P<0.001），即当风速越大时，水汽δ¹⁸O值越低，而当风速越小时，水汽δ¹⁸O值越高，但是这一关系并未在小时尺度上表现出来。这可能是由于气温、湿度和风速在不同季节的水汽来源下，在近地表过程中产生的影响不同，在此文中不做详细讨论。

同样在日尺度上进行了多元回归分析，设定水汽δ¹⁸O为因变量，温度（T）、风速（WS）、比湿（q）作为自变量，设定多元回归模型为：δ¹⁸O=a×T+b×WS+c×ln（q）-d（a、b、c为系数，d为常数），分为模型1（包括自变量温度、比湿、风速）、模型2（包括自变量温度、风速）、模型3（包括自变量温度、比湿）、模型4（包括自变量风速、比湿）、模型5（包括自变量温度）、模型6（包括自变量比湿）、模型7（包括自变量风速），得到7个多元回归方程（模型1：δ¹⁸O=0.89T-2.15×WS+3.37×ln（q）-23.47；模型2：δ¹⁸O=1.17T-2.42WS-19.77；模型3：δ¹⁸O=0.69T+6.94ln（q）-33.03；模型4：δ¹⁸O=-1.69WS+12.01ln（q）-31.75；模型5：δ¹⁸O=1.31T-27.11；模型6：δ¹⁸O=13.38ln（q）-38.134；模型7：δ¹⁸O=-4.15WS-11.13）。其调整r²分别为0.90、0.90、0.84、0.84、0.80、0.80、0.30，说明在日尺度上比湿和温度对大气水汽δ¹⁸O的影响都很显著，并且强于风速。

大气水汽是降水的基础。大气水汽在传输过程中，温度降低，大气水汽发生冷凝，因而产生降水。大气中含有水汽量的多少影响降雨量的多少。因此，本文选择有降水样本的时间点作为典型时段，对其进行水汽来源追踪。不同源地产生的大气水汽稳定同位素不同，大气水汽在传输过程中，经过蒸发、冷凝、混合等过程都会改变大气水汽中稳定同位素的组成。因此大气水汽的来源和传输过程都会影响目的地的大气水汽稳定同位素组成。

利用水汽追踪模型，本节分析了2017年和2018年水汽来源和水汽传输过程对慕士塔格地区大气水汽稳定同位素的影响。利用混合单粒子拉格朗日积分空气后向轨迹追踪模型（Hybrid Single-Particle Lagrangian Integrated Trajectory model，简称HYSPLIT）追踪了慕士塔格站点降水日当天空气后向轨迹以及沿空气轨迹水汽含量的变化，以空气轨迹终点和沿途水汽含量的变化来定性地判断水汽来源。在一定时间内的气块中的水汽含量的变化是凝结与蒸发之间平衡的结果^［23-24］，故空气轨迹上的水汽含量的变化可以指示水汽的源与汇^［25-26］。在一定时间段内，如果有新的水汽加入，则水汽含量会增加，如果有降水发生，则水汽含量减少。根据空气的轨迹及水汽含量的变化，可以定性地分析水汽来源。

本研究以慕士塔格站所在坐标（38.41° N， 75.04° E）的三个不同高度（500 m、1 000 m、1 500 m）为起点，后向追踪7天（168 h）的空气轨迹，并计算出沿空气轨迹每一点的比湿用来分析沿空气轨迹水汽含量的变化。所使用再分析气象数据为：再分析气象数据为空间分辨率为0.5°的GDAS（Global Data Assimilation System）数据。

图6为慕士塔格降水日当天的空气轨迹和比湿变化图，显示了水汽含量随传输轨迹的变化情况，可以看出该地区降水日水汽传输表现为西风和局地对流为主，水汽来源地大多为距离较近的周边地区和中亚，8月和9月偶尔也发现了来自西伯利亚和北大西洋的水汽，这是因为该地处于西风环流控制的地区，西风环流可将较远地区的水汽带至青藏高原。

除了2017年8月4日以外，其他时间的空气轨迹中，比湿几乎都是随着距离减小而增加，说明在水汽输送的过程中水汽不断地增加，到达慕士塔格附近水汽含量降低，但形成降水，这说明了水汽传输过程中，沿途有水汽不断补充，到达慕士塔格后发生降水。2017年8月4日的空气轨迹比湿变化图可以看出，距离地面1 000 m的水汽来源地为西伯利亚和北大西洋，气团比湿达到11 g·kg^-1，并且由远到近逐渐减少，但在到达慕士塔格之前，气团比湿又有所增大。这说明在传输过程中的水汽不断凝结成降水，但沿途有陆面水汽补充。这使得该日的水汽δ¹⁸O为-15.42 ‰，明显偏低于前后时段水汽δ¹⁸O约6‰（d-excess增大约3‰）。2018年9月6日的水汽追踪图也表明，水汽主要自来源于北部西伯利亚和周围局地环流，经过距离地面2 000 m高空传输到达研究站，周围局地环流的比湿显著高于西伯利亚传输水汽。此次降水使得水汽δ¹⁸O减小约2‰，d-excess增加约2‰。

从这些水汽追踪图中，我们也可以明显看出，当水汽自地中海和北大西洋长距离传输至慕士塔格时，水汽δ¹⁸O显著低于前期大气δ¹⁸O，最大时可达约7‰，同时，d-excess也会显著增大。但是，当水汽来自于短距离传输时，水汽同位素的差值不显著。这表明水汽来源和传输距离对大气水汽稳定同位素的波动幅度有重要影响。

通过对2017年7月26日—2017年11月6日和2018年7月30日—2018年12月10日慕士塔格站大气水汽稳定同位素和同期气象因子的时间变化特征和相关性分析，得到如下结论：

（1）慕士塔格站水汽中δ¹⁸O、d-excess与站内气象站测得温度（T）和比湿（q）等参数有如下特征。在小时尺度上，水汽δ¹⁸O在下午为较低值。d-excess值在12点左右相对较高，高值的出现时段略超前于温度高值的出现时段。在日尺度上，水汽δ¹⁸O白天平均值较高，晚间平均值较低。降水δ¹⁸O值高于同期水汽δ¹⁸O值，并没有发现“降水量效应”。2017年和2018年大气水汽中的δ¹⁸O、δD和温度、湿度呈现明显的从夏季到冬季逐渐减小。

（2）在小时尺度上，大气水汽δ¹⁸O与温度呈正相关系，与比湿呈对数关系，通过多元回归分析，结果显示比湿对水汽δ¹⁸O的影响强于温度；在日尺度上，大气水汽δ¹⁸O与温度呈正相关系，与比湿呈对数关系，与风速呈现反相关关系，多元回归分析结果显示比湿和温度对大气水汽δ¹⁸O的影响都很显著，并且强于风速。

（3）通过降水事件后向轨迹追踪分析，发现该地的水汽主要来源于由西风传输的西伯利亚、北大西洋和周围地区，沿途有水汽补充。水汽来源和传输距离对大气水汽稳定同位素的波动幅度有重要影响。

以上结果只是对慕士塔格站地表大气水汽稳定同位素和同时期气象参数进行了简单初步分析，后续还需要结合模型等开展水汽传输路径和水汽来源的深入分析，以阐明西风传输对该区域大气水汽稳定同位素变化的影响。