章新平
, 关华德
ZHANG Xin-ping, GUAN Hua-de
中图分类号: P339
文献标识码: A
文章编号: 1000-0690(2012)01-0121-08
收稿日期: 2011-01-4
修回日期: 2011-10-10
网络出版日期: 2012-01-20
版权声明: 2012 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介:章新平(1956-)男,湖南长沙人,博士,教授,主要从事气候变化和降水中稳定同位素的研究。E-mail: zxp@hunnu.edu.cn
展开
摘要
利用MUGCM的模拟,云南地区日、月、年时间尺度下降水中稳定同位素的变化、降水量效应以及δD/δ18O之间的关系被分析。无论是在日时间尺度下还是在月、年时间尺度下,降水同位素均存在显著的降水量效应。与实测结果相比,模拟的降水中δ18O与降水量之间具有更强的相关性。对于单站而言,蒙自站和腾冲站的大气水线被较好地模拟。但在思茅站和昆明站,模拟结果未能准确再现实际降水中δD与δ18O的关系,模拟的大气水线斜率比实测结果偏高。这意味着,在云南这个特殊的地区,模式可能高估了HDO的贫化。
关键词：
Abstract
Using the MUGCM simulations, the variation features of stable isotopes in precipitation, amount effect and relationship between δD and δ18O, on the diurnal, monthly and yearly time scales in Yunnan Province, China, are analyzed. There is significant amount effect for the isotopes in precipitation, whether on the diurnal time scale or on the monthly or the yearly time scales. Compared with the measured values, the simulated δ18O in precipitation shows the stronger correlation with precipitation. For the single station, the local meteoric water line (LMWL) is simulated well at Mengzi and Tengchong, however at Simao and Kunming, the simulated results do not reproduce truly the measured relationship between δD and δ18O in precipitation with the higher LMWL slopes, which implies that the model may overestimate the depletion of the HDO over such a particular areas like Yunnan.
Keywords：
降水中稳定同位素
重建水汽和降水中稳定同位素时空变化的唯一工具是利用引入稳定同位素效应的大气环流模式(GCM) [3,4]。与简单模式不同,GCM可以解释导致个别降水事件形成的动力和微物理过程的复杂性,也可以解释平均观测场是一系列具有不同变化特征降水事件的统计结果[5]。
中国的云南地区属典型的季风气候区,降水的水汽来源以及影响降水的因素非常复杂。该地区的水汽通道汇南海、孟加拉湾、印度洋、阿拉伯海以及跨赤道气流之水汽,向长江中下游和东亚输送,强烈地影响着这些地区的季风降水[6]。本研究利用MUGCM的模拟数据和实测数据分析和比较云南不同时间尺度下降水中δ18O和δD的变化特征、稳定同位素的降水量效应以及δD/δ18O之间的关系,并且通过对MUGCM模拟季风区降水稳定同位素能力的评价,揭示大气物理过程对水循环中稳定同位素分馏的影响,理解区域水循环中稳定同位素的变化特点,为解释季风区降水同位素的代表性和气候意义提供强有力的工具。
本研究的日降水取样站分别设在蒙自(103°13'48″E,23°13'48″N,1 301.7 m a.s.l.)、腾冲(98°18'E,25°6'N,1 648.7 m a.s.l.)和思茅(位于101°14'26″E,22°24'N,1 302.9 m a.s.l.)。降水取样工作均从2003年2月开始至2003年12月。该三站与昆明(102°24'36″E,25°6'N,1 896.8 m a.s.l.)组成了本研究的4个基本取样站(图1)。降水样的收集均在有降水日的20.00进行。在近一年的降水取样中,分别在蒙自、腾冲和思茅获得降水(日)样117个、139个和104个。与降水取样同步收集的气象资料包括近地面取样日的日平均温度和日降水量。
昆明站是中国最早进入IAEA/WMO全球降水同位素监测网的站点之一。1986~2003年,已有15 a的记录(缺1993~1995年资料)。昆明站的降水稳定同位素比率的数据均为月值。
图1 位于云南省的取样点蒙自、腾冲、思茅和昆明站的位置
Fig. 1 The location of sampling stations of Mengzi, Tengchong, Simao and Kunming in Yunnan, China
所有在蒙自、腾冲和思茅站收集到的降水样均被密封于塑料水样瓶内,并在-10℃以下的冰柜中保存。三站水样中18O的测试分析首先在中国科学院冰冻圈科学国家重点实验室的Delta-Plus气体质谱仪上进行。2006年,重新对蒙自、腾冲和思茅站的所有水样进行一次筛选,将日降水量大于2 mm的水样选出,共计得到蒙自站85个降水样、腾冲站105个降水样、思茅站72个降水样。这批水样被送至日本古屋大学大气圈-水圈研究所MAT-252 气体质谱仪上进行D和18O的分析测试。所有分析结果用相对于维也纳标准平均海洋水(V-SMOW)的千分差来表示:
式中,Rs和RV-SMOW分别代表水样中和V-SMOW中的氧(或氢)稳定同位素比率R(18O/16O或D/H)。测试的18O的精度分别为±0.1‰(Delta-Plus质谱仪)和±0.2‰(MAT-252质谱仪),D的精度为±0.5‰(MAT-252质谱仪)。
本文的模拟数据来自墨尔本大学开发的大气环流模式MUGCM。该模式是基于Bourke et al.[7]和McAvaney et al.[8]模式的一个大气原始方程谱模式。MUGCM的水平分辨率用波数在21处谐波系列的菱形截断来表示(R21),即3.25°×5.625°。在垂直方向上具有9个离散的以σ坐标表示的高度层。MUGCM的稳定同位素方案基于早期在GISS GCM中采用的方案[5]。模式利用半拉格郎日水汽输送方案进行稳定同位素示踪。MUGCM中还包括一个具有可变的稳定同位素比率的互动海洋表面以及积雪和河川径流中的稳定同位素公式[9]。有关稳定水同位素引入到MUGCM的细节请参阅文献[10]。
2.1.1 降水中稳定同位素的变化
图2a、c、e分别为蒙自、腾冲和思茅站实测的降水中δ18O和降水量的日变化。由于位在典型的季风区,受不同的大气环流和不同水汽来源的影响,三站表现出季风区降水稳定同位素变化的显著特点:在夏季风盛行的5~10月期间,降水较多,降水中稳定同位素明显被贫化;在冬季风盛行的11~4月期间,降水偏少,降水中稳定同位素明显被富集。
图2b、d、f分别为由MUGCM模拟的对应蒙自、腾冲和思茅站所在网格点的降水中δ18O和降水量的日变化。通过对比,各站的模拟结果很好地再现了降水同位素的变化特征。首先,降水同位素雨季低旱季高的特点被准确模拟出;第二,各站降水中δ18O的季节差被真实模拟。根据模拟的结果,在5~10月的雨季,三站的平均δ18O分别为-7.09‰,-8.33‰和-7.64‰,这与该时段实测的平均值-8.09‰,-7.95‰和-7.85‰大致相当。在11~4月旱季,模拟的平均δ18O分别为-3.84‰,-3.21‰和-3.68‰,比该时段实测到的平均值-1.53‰,-1.04‰和-1.20‰偏低。这种偏低一方面可能与模拟的偏多的降水量有关,另一方面也可能与模式对降落雨滴被蒸发富集作用的低估有关[10]。
为综合评价模拟效果,分别计算了三站实测值和模拟值的标准差以及二者之间的相关系数r (表1)。对于三个取样站,模拟的降水中δ18O和δD与实测值之间的相关系数均超过0.001的信度,表现出模式模拟δ18O和δD具有可靠性。从标准差的比较来看,三站模拟值的标准差与实测值的标准差也具有一致性。除了腾冲站的δD外,其它要素模拟值的标准差均小于实测值的标准差。这个结果是合理的,因为实际取样站的数据是空间点的同位素值,而模拟数据是网格区的平均同位素值。
图2 蒙自、腾冲、思茅站实测的(左)和模拟的(右)日降水δ18O和日降水量随时间的变化(2003年)
Fig. 2 The measured (left) and simulated (right) daily δ18O in precipitation and the variations of precipitation amount at Mengzi, Tengchong and Simao stations in 2003
表1 蒙自、腾冲、思茅三站实测的和模拟的日降水同位素(δ18O、δD和d)的标准差σ和相关系数的比较
Table 1 Comparison of standard deviations and correlated coefficients of measured and simulated daily δ18O, δD and d in precipitation at Mengzi, Tengchong and Simao stations
| 站点 | δ18O | δD | d | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 实测 | 模拟 | r | 实测 | 模拟 | r | 实测 | 模拟 | r | ||||||
| 蒙自 | 4.77 | 3.79 | 0.50 | 36.59 | 31.05 | 0.54 | 5.54 | 4.11 | 0.13 | |||||
| 腾冲 | 4.63 | 4.20 | 0.44 | 30.59 | 36.21 | 0.35 | 4.65 | 4.102 | 0.35 | |||||
| 思茅 | 4.46 | 3.40 | 0.36 | 32.60 | 28.41 | 0.42 | 9.00 | 3.86 | -0.27 | |||||
与对δ18O和δD的模拟不同,模式对过量氘d的模拟结果并不好。尽管在腾冲站,模拟的与实测的d之间存在一定程度的相似性,但是在蒙自站,二者相关关系的信度较差。尤其是在思茅站,二者竟呈反相关。这种对d的模拟效果较差的现象是大部分GCM共同存在的问题[10~14]。
2.1.2 降水量效应
降水量效应是季风区降水同位素的基本特征。对蒙自、腾冲和思茅站的实际取样调查显示,三站降水中δ18O 与降水量P之间存在显著的负相关关系(图3),相关系数均超过0.01的信度。
三个站中,蒙自站的δ18O/P斜率相对较大,腾冲站次之,思茅站最小。这个结果可能与降水量的变化有关。在基本相同的天气条件下,三站降水中δ18O的标准差相差不大,但它们各自在取样期间日降水的标准差分别为5.11、6.09和8.80。因此,较小的降水量标准差产生较大的δ18O/P斜率,而较大的降水量标准差将产生较小的δ18O/P斜率。
与实际监测结果相比,模拟的降水中δ18O对降水量具有更强的依赖性,这表现在模拟的三个站具有更大的δ18O/P相关系数。除蒙自站模拟的δ18O/P斜率略小于实测值之外,其它两站的模拟结果与实测的回归方程较接近,说明MUGCM在模拟云南季风区的降水量效应方面是强有力的。但是,也应该看到,模拟的δ18O在降水量高值端的散布并未在实际取样中发生。这种差异可能与对流云中稳定同位素参数化的假设有关[13]。另外,本GCM的运行是由逐年变化的海面温度(SST)所驱动,而不是由实际大气条件。在这种情况下,模拟试验仅能捕捉到由SST平均状态所驱动的变异。
图3 蒙自(a)、腾冲(b)和思茅(c)站实测的(红色)和模拟的(黑色)日时间尺度下的降水量效应
Fig. 3 The measured (red) and simulated (black) amount effect on the diurnal time scale at Mengzi (a), Tengchong (b) and Simao (c)
2.1.3 大气水线
降水中δD与δ18O之间存在非常好的线性关系,这种关系被称之为大气水线(MWL)。MWL的斜率反映稳定同位素D与18O间分馏效应的对比关系。截距由海洋表面水蒸发时的动力同位素效应引起,反映氘对于平衡状态的偏离程度[1,2]。
受大尺度海洋、大气环流以及近地面气象条件影响,局地大气水线LMWL是变化的[14]。通常,在东亚季风区,LMWL之间的差异由冬夏不同来源水汽所贡献[15]。来自海洋暖湿水汽的降水不稳定能量高,对流性强,云下蒸发弱,LMWL的斜率较高。而来自形成于大陆内部蒸发水汽的降水,平流性强,云下蒸发强,LMWL的斜率较低[15]。由于云南的降水主要由夏季风所贡献,因此,日尺度下LMWL的斜率和截距均较高,这个特点在由图4给出的实际监测结果中得到验证。
图4 蒙自(a)、腾冲(b)和思茅(c)站实测的(红色)和模拟的(黑色)日时间尺度下的LMWL
Fig. 4 The measured (red) and simulated (black) LMWL on the diurnal time scale at Mengzi (a), Tengchong (b) and Simao (c)
思茅站的略小于8.0的LMWL斜率体现出水循环中非平衡分馏的影响,明显小于10.0‰的LMWL截距除了与非平衡分馏的因素有关外还与局地气象条件的影响有关[14]。从思茅站δD依δ18O相对较大的散布来看,较低的截距由δD的偏低引起,尤其是位在LMWL线附近以及之下的那些点。这与取样过程中水样的蒸发以及局地水汽的贡献有关[5,14]。
模拟结果显示,降水中δD与δ18O具有非常一致的线性关系,二者之间的线性相关系数均大于0.99。除思茅站外,其它2站模拟的LMWL斜率与实测斜率相差不大。考虑到模式的统计样本和网格点所代表的范围与实际站点存在较大差异,因此,模拟的LMWL斜率与实际LMWL斜率之间的差值应该是在合理估计的范围之内。
2.2.1 降水同位素的逐月变化
图5显示昆明站实测的和模拟的降水中δ18O和δD的逐月变化。为了能对自20世纪60年代初以来的降水同位素有一个综合性的了解,我们把模拟的数据向前延长自1961年。
在图5中,实测的降水稳定同位素比率存在着显著的季节变化。在已有的15 a记录中,夏季风盛行期间的平均δ18O为-8.99‰,平均δD为-62.13‰;冬季风盛行期间平均δ18O为-6.17‰,平均δD为-43.88‰。其中,最大的δ18O为0.35‰,出现在2001年2月,最大的δD为7.80‰,出现在1997年2月;最小的δ18O为-17.51‰,出现在2002年8月,最小的δD为-114.20‰,出现在1989年7月。
图5 昆明站实测的(红色实线)和模拟的(黑色实线)月降水中δ18O(上)和δD(下)随时间的变化
Fig. 5 The measured (red curve) and simulated (black curve) monthly variations of δ18O (top) and δD (bottom) in precipitation at Kunming
1961~2003年,模拟的昆明站夏季风盛行期间的平均δ18O为-10.27‰,平均δD为-72.99‰;
冬季风盛行期间的平均δ18O为-6.69‰,平均δD为-42.05‰。其中,最大的δ18O为-1.73‰,最大的δD为1.38‰,均出现在1992年3月;最小的δ18O为-14.91‰,出现在2003年8月。最小的δD为-109.27‰,出现在1988年8月。
图6 昆明站实测的(红色)和模拟的(黑色)月时间尺度下的降水量效应
Fig. 6 The measured (red) and simulated (black) amount effect on the monthly time scale at Kunming
类似在2.1节所用的方法,我们计算了三站实测值和模拟值的标准差以及二者之间的相关系数r (表2)。可以看出,模拟的月降水中δ18O和δD与实测值之间具有较好的相似性,相关系数均超过0.001的信度。从实测的和模拟的月降水同位素标准差的比较来看,除了过量氘外,模拟值的标准差与实测值的标准差较接近,但小于实测值的标准差。这个结果同样是合理的。
表2 昆明站实测的和模拟的月、年降水同位素(δ18O、δD和d)标准差σ的比较
Table 2 Comparison of standard deviations of measured and simulated δ18O, δD and d in precipitation on the monthly and yearly time scales at Mengzi, Tengchong and Simao stations
| δ18O | δD | d | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 实测 | 模拟 | r | 实测 | 模拟 | r | 实测 | 模拟 | ||||
| 月值 | 4.36 | 2.95 | 0.66 | 29.80 | 25.57 | 0.68 | 12.30 | 2.42 | |||
| 年值 | 1.22 | 0.59 | 0.57 | 7.94 | 5.07 | 0.66 | 4.62 | 0.62 | |||
2.2.2 降水量效应
基于昆明站实测的月降水δ18O和月降水量得到二者之间的相关关系(图6)。与日时间尺度相比,月时间尺度下的δ18O/P斜率明显降低。这是由于在月尺度下降水同位素的变化幅度降低但降水量的变化幅度增大所致。与实测结果相比,模拟的降水中δ18O与降水量具有更密切的相关关系。尽管模拟的截距值与实测值相差不大,但模拟的δ18O/P斜率仅为实测值的一半。一方面,这可能是由于模式低估了稳定同位素的分馏作用[14]。可以看到,在相同的降水条件下,模拟的降水同位素往往大于实测值;另一方面,模式模拟的降水量总体上偏大。这个结果导致在同位素变化相似的条件下δ18O/P回归线的右端上翘,从而导致δ18O/P斜率减小。
图7 昆明站实测的(红色)和模拟的(黑色)月时间尺度下的LMWL
Fig. 7 The measured (red) and simulated (black) LMWL on the monthly time scale at Kunming
2.2.3 大气水线
图7分别给出由昆明站实测的和由MUGCM在对应网格点模拟的月降水同位素数据拟合的LMWL。与GMWL相比,昆明站LMWL的斜率明显小于8.0,截距小于0。另外,δD与δ18O存在相对较大的散布,二者的相关系数小于0.99。这表现出后凝结(post-condensation)过程中凝结物因蒸发作用而富集重稳定同位素的效应[5]。通常,这种影响主要出现在干旱区。但在高海拔地区,较低的凝结温度以及水汽在输送过程中多次冲刷造成的重同位素非常强的贫化作用表现出了一个类似非平衡蒸发作用的影响[14]。
可以看到,模拟结果没能准确捕捉到模拟点降水中δD与δ18O的关系。大气水线中大于8.0的斜率和高于10.0的截距说明模式高估了强对流过程和云中过饱和程度,这也是模拟的降水量明显高于实测值的一个主要原因[14]。我们注意到,在日时间尺度下,MUGCM模拟的蒙自、腾冲和思茅的LMWL的斜率均大于8.0,截距高于10.0。除了提到的原因之外,这在一定程度上还与模式的网格精度有关。由于模式的网格精度为3.25°×5.625°,在同一气候区中难以区分出次一级的同位素气候型。
降水中稳定同位素的年际变化特征对于解释和恢复沉积物中的气候环境信息具有重要的意义[16]。本节利用模拟的和实测的逐年资料分析昆明站稳定同位素的变化以及气候学意义。其中,实测资料的时间为1986~2003年,模拟资料的时间为1961~2003年。
2.3.1 降水同位素的逐年变化
根据图8显示的昆明站降水同位素逐年变化的信息,在1986~2003年期间,实测的多年平均δ18O为-7.97‰,其中,最大的δ18O为-6.46‰,出现在2003年,最小的δ18O为-10.30‰,出现在1999年,二者之差为3.84‰;实测的多年平均δD为-55.59‰,其中,最大的δD为-44.10‰,出现在1987年,最小的δD为-70.40‰,出现在1999年,二者之差为26.30‰。
图8 昆明站实测的(红色)和模拟的(黑色)降水中δ18O(上)和δD(下)的逐年变化
Fig. 8 The measured (red) and simulated (black) yearly variations of δ18O (top) and δD (bottom) in precipitation at Kunming
对应模拟的结果,在1961~2003年的43 a中,模拟的多年平均值为-8.64‰,其中模拟的最大δ18O为-7.35‰,出现在1983年,最小δ18O为-10.04‰,出现在1966年,二者之差为2.69‰;模拟的多年平均δD为-58.83‰,其中,模拟的最大δD为-46.75‰,出现在1983年,最小的δD为-70.59‰,出现在1966年,二者之差为23.84‰。与实测结果相比,模拟的变化范围是合理的。
为了进行综合评价,我们分别计算了实测的和模拟的年降水同位素的标准差以及它们之间的相关系数r(表2)。模拟的降水中δ18O和δD与实测值之间具有较好的相似性,二者之间的相关系数均超过0.01的信度。从模拟的和实测的年降水同位素标准差的比较来看,除了过量氘外,模拟值的标准差与实测值的标准差较接近,但小于实测值的标准差。
2.3.2 降水量效应
根据实测的年降水δ18O和年降水量,我们得到昆明站年尺度下二者的相关关系为:
而根据1961~2003年的模拟数据得到的二者的相关关系为:
两个线性方程的截距较接近,但模拟的δ18O/P斜率仅为实测值的一半。尽管在年尺度下,降水中δ18O与降水量之间仍然存在相关关系,且相关系数的信度分别超过0.1和0.01的信度,但与月时间尺度相比,年平均δ18O对降水量的依存度明显降低。但无论如何,在昆明站,抑或在昆明站的毗邻地区,年平均δ18O值的大小在一定程度上指示降水量的多少。由此,我们可以做如下简单的推论:在丰水年,降水中δ18O较低;而在枯水年,降水中δ18O较高。
需要指出的是,无论是实测值还是模拟值,昆明站的年平均δ18O与年平均气温之间均不存在显著的相关关系。
2.3.3 大气水线
在年尺度下,昆明站实测的LMWL(下式值为DδD)为:
与月尺度的LMWL相比,该LMWL的斜率和截距更小,相关系数也相对偏低。与实测结果存在较大的差异,模拟的LMWL(下式值为DδD)为:
该式与昆明站月时间尺度下的LMWL基本一致。
包括云南在内的高亚洲季风区降水中稳定同位素的分布具有两个显著的特点,第一,降水中稳定同位素明显被贫化;第二,降水中稳定同位素雨季低旱季高。在MUGCM的模拟中,上述特点均被准确捕捉到。在蒙自、腾冲和思茅站,模拟的日时间尺度下的降水中δ18O和δD与实测值之间具有非常好的一致性。二者之间的相关系数均超过了0.001的信度。在昆明站,模拟的月时间尺度下和年时间尺度下的降水稳定同位素与实测值之间的相关信度分别超过0.001和0.05的信度。表现出MUGCM模拟降水δ18O和δD具有可靠性。
降水量效应是季风区降水同位素效应的重要特点。模拟结果显示,无论是在日时间尺度下还是在月、年时间尺度下,云南地区均存在显著的降水量效应。与实测结果相比,模拟的降水中δ18O对降水量具有更强的依赖性,这表现在模拟的降水稳定同位素与降水量具有更密切的相关关系。在日时间尺度下,除了蒙自站模拟的δ18O/P斜率略小于实测值之外,腾冲和思茅两站模拟的回归方程与实测结果较接近。在月和年时间尺度下,模拟的和实测的δ18O/P斜率均比日时间尺度下的斜率低,且模拟的δ18O/P斜率仅为实测值的一半。这可能与模式低估了稳定同位素的分馏作用有关。
实测的和模拟的结果均表明,大气降水中δD与δ18O具有非常一致的线性关系。对于单站而言,蒙自站和腾冲站的LMWL被较好地模拟。但在思茅站和昆明站,模拟结果未能准确再现实际降水中δD与δ18O之间的关系。模拟的两站LMWL的斜率明显大于8.0,而截距明显高于10.0。
稳定同位素数据的散布以及LMWL斜率和截距的区域性偏差与降水气块、水汽来源和降水期间的平均大气状况有关[14,15]。通过LMWL之间的比较,所有模拟的δD与δ18O的相关系数均达到或超过0.99。对于两个拟合效果较好的蒙自和腾冲站,实测的δD与δ18O的相关系数也都达到0.99。但对于模拟效果不好的思茅站,实测的δD与δ18O之间的相关系数仅为0.96;在昆明,实测的月尺度和年尺度下δD与δ18O之间的相关系数分别为0.95和0.89。可以看出,同位素数据分布上微小的不一致可以引起LMWL的斜率和截距的改变。
受近地面温度和相对湿度的影响,LMWL的斜率和截距是变化的[14]。实测的云南地区LMWL的不一致反映了区域气候特点的复杂性。从模拟的结果来看,LMWL的斜率比实际监测结果一致偏高。这意味着在云南这个特殊的地区,模式可能高估了HDO的贫化,并且因此低估了二级参数过量氘。造成这种结果的可能原因与水循环中的动力过程(如分子扩散和雨滴蒸发)有关[14]。目前,MUGCM采用交互式的云方案。在粗网格精度下,模式中有关水汽处理、水汽输送的许多差别和潜在的缺陷被显露出来[10,14]。在这点上说,模拟很难逼近实际的细节,也难以区分出次一级的同位素气候型。
在受降水量效应影响的地区,降水量的大小对降水同位素的分布具有很大的影响。在云南,MUGCM 明显高估了降水量。这可能是由于在现有网格精度下,模式中对对流降水简化处理的结果所致[10,14]。在未来,模式需要引入不同的热对流调整方案并且对高地过多的水汽幅合进行有效的参数化处理。
The authors have declared that no competing interests exist.
| [1] |
Stable isotopes in precipitation [J]. |
| [2] |
Stable isotope composition of precipitation over southeast Asia [J]. |
| [3] |
A general circulation model of water isotope cycles in the atmosphere [J]. |
| [4] |
Water isotope module of the ECHAM atmospheric general circulation model:A study on timescales from days to several years [J]. |
| [5] |
Simulations of the HDO and H218O atmospheric cycles using the NASA GISS GCM:Sensitivity experiments for present-day conditions [J]. |
| [6] |
|
| [7] |
Global modelling of atmospheric flow by spectral methods [C]// |
| [8] |
A global spectral model for simulation of the general circulation [J]. |
| [9] |
The response of stable water isotopes in precipitation and the surface ocean to tropical climate variability[D]. |
| [10] |
Associations between δ18O of water and climate parameters in a simulation of atmospheric circulation for 1979-95 [J]. |
| [11] |
Analysis of the global distribution of water isotopes using the NCAR atmospheric general circulation model [J].
|
| [12] |
Present day atmospheric simulations using the GISS Model E:Comparison to in-situ, satellite and reanalysis data [J].
|
| [13] |
Stable water isotopes in HadCM3:Isotopic signature of El Niño-Southern Oscillation and the tropical amount effect [J]. |
| [14] |
An evaluation of observed and simulated high-resolution records of stable isotopes in precipitation[D]. |
| [15] |
Simulations of stable isotopic fractionation in mixed cloud in middle latitudes—taking the precipitation at Urumqi as an example [J]. |
| [16] |
Relation between long-term trends of oxygen-18 isotope composition of precipitation and climate [J]. |
/
| 〈 |
|
〉 |
