OPEN

www.nature.com/scientificreports

received: 20 July 2015

Accepted: 28 June 2016

Published: 10 August 2016

Entropy analysis of stable isotopes in precipitation: tracing the monsoon systems in China

Tao Wang1, Jiansheng Chen1 amp; Ling Li2

Due to the complexity of monsoon systems and random behaviors of isotope tracers, conventional methods are not adequate for uncovering detailed information about monsoon activities from typically limited precipitation isotope data. We developed a new approach based on the entropy theory to analyze such data with a focus on the monsoon systems in China, dealing with the complexity of these systems and data deficiency. Using precipitation isotope data from 42 selected stations in and around China within the GNIP network, we computed entropies associated with D and 18O. These entropies were found to relate linearly to each other with a proportionality factor close to unity. The spatial variations of the D and 18O entropy in the study area revealed the origins, extents and pathways of

the Chinese monsoon systems, as well as their interactions. While further investigation is needed at a greater (global) scale, this study has demonstrated how the entropy theory enables an in-depth analysis of precipitation isotope data to trace the pathway and determine the range of a monsoon system.

Stable hydrogen and oxygen isotopes (D and 18O) in the water molecule provide a useful tool for meteorological, hydrological, hydro-geological, ecological and agricultural studies1–2. These isotopes in meteoric precipitation exhibit systematic variations as captured by the Global Meteoric Water Line (GMWL) or Local Meteoric Water Line (LMWL) linked to regional meteorological conditions3–6. A Global Network of Isotopes in Precipitation (GNIP) has been established by the International Atomic Energy Agency7 in cooperation with the World Meteorological Organization (WMO) since 1958 to monitor the hydrogen and oxygen isotopes in precipitation worldwide. This network has generated a rich repository of precipitation isotope data, which has contributed to improving our knowledge about global hydrological cycles and climate changes3–5,8–15.

Isotope fractionation occurs during the condensation of water vapor to form meteoric precipitation. This process and the resulting isotope composition of precipitation depend on a number of parameters, including sur- face air temperature, distance to the coast, altitude, latitude and amount of precipitation5. Globally, precipitation isotope compositions have been linked to the atmosphere general circulation predicted by AGC models8–10. In China and other Asian monsoon-active regions, isotope variations in the monsoon precipitation are controlled predominantly by the water vapor source and transport pathway. A number of studies have been carried out to explore D and 18O as tracers for water vapor source and transport pathway based on the Rayleigh fractionation model in the Asian monsoon regions11–18. However, these studies focused on localized trends and variations of precipitation isotope in connection with separate monsoon systems.

The two commonly used statistical measures for interpreting the precipitation isotope data are long-term arithmetic mean and long-term weighted mean (weighting according to the amount of precipitation) of delta;D and delta;18O11–18. It should be noted that the IAEA/WMO data, based on monthly composite samples of precipitation, provides only statistically averaged, episodic information about isotopic composition of atmospheric water vapor, resulting from successive precipitation events, each usually with highly variable isotope characteristics8. Analysis of precipitation isotope data based on long-term arithmetic mean or long-term weighted mean is not sufficient for revealing fully the links of the isotope with monsoon systems (supplementary information SI1). The composite nature of the sampling and data hinders the development of the isotope method for tracing the water vapor source and transport pathways in regions affected by multiple monsoon systems. Additionally, the analysis suffers from data deficiency due to missing/incomplete data at stations, especially in developing countries7–8. As a result, a large degree of uncertainty exists with the isotope data analysis – a problem that cannot be resolved directly by the

1Geotechnical Research Institute, College of Civil and Transportation Engineering, Hohai University, Nanjing, 210098, China. 2School of Civil Engineering, The University of Queensland, St. Lucia, QLD 4072, Australia. Correspondence and requests for materials should be addressed to J.C. (email: jschen@hhu.edu.cn)

Figure 1. Location map of China and selected stations as well as the three monsoon systems, modified from reference6 using CorelDRAW X6 (http://down.52pk.com/xiazai/13513.shtml). Mt. means mountain. The pink solid lines show the Himalayas and Hengduan Mountains. The arrows indicate the directions of the winter monsoon, Indian monsoon and East Asian monsoon.

conventional methods based on the Rayleigh fractionation model. This uncertainty problem is further escalated due to t

剩余内容已隐藏，支付完成后下载完整资料

降水中稳定同位素的熵分析：追踪中国的季风系统

由于季风系统的复杂性和同位素示踪剂的随机特征，常规方法不足以用来从典型有限的降水同位素数据中揭露关于季风活动的详细信息。我们开发了一种基于熵理论的新方法，以中国的季风系统为研究对象，解决了这些系统的复杂性和数据的不足。窗体顶端

摘要：由于季风系统的复杂性和同位素示踪剂的随机性，传统的方法对于从典型的有限降水同位素数据中揭示季风活动的详细信息是不够的。我们开发了一种基于熵理论的新方法来分析这些数据，重点关注中国的季风系统，解决了这些系统的复杂性和数据不足的问题。在GNIP网络中，利用来自中国和周边42个选定站的降水同位素数据，我们计算了与D和¹⁸O相关的熵。发现这些熵是线性相关的，且一个比例因子接近于1.在研究区D和¹⁸O熵的空间变化揭示了中国季风系统的起源、范围和路径，以及它们的相互作用。在更大的（全球）尺度上需要进一步的调查，本研究已经证明了熵理论应如何深入的分析降水同位素数据，以追踪该路径并确定季风系统的范围。

水分子中稳定的氢和氧同位素(D和¹⁸O)为气象、水文、水文地质、生态和农业研究提供了有用的工具^1-2。这些大气降水中的同位素表现出系统的变化被全球气象水位线(GMWL)或当地气象水系(LMWL)所捕获，与区域气象条件相联系^3-6。自1958年以来，国际原子能机构与世界气象组织(WMO)合作建立了全球降水的同位素网络，以监测全球降水中的氢氧同位素。该网络生成了丰富的沉淀同位素数据存储库，有助于提高我们对全球水文循环和气候变化的认识^{3–5,8–15。}

同位素分馏发生在水汽凝结形成大气降水的过程中。这一过程和产生的同位素组成的降水取决于一系列的参数，包括地表温度、到海岸的距离、高度、纬度和降雨量⁵。在全球范围内，降水同位素组成与AGC模型预测的大气环流有关^8-10。在中国和其他亚洲季风活跃地区，季风降水的同位素变化主要受水汽源和运输途径的控制。基于瑞利分馏模型在亚洲季风地区，已经开始实施了D、¹⁸O作为水汽源和运输途径的示踪剂进行了研究^11–18。然而，这些研究关注的是与单独的季风系统有关的降水同位素的局部趋势和变化。

两个常用的统计办法作用于长期的算术平均的降水同位素数据和长期的加权平均数(加权根据降水量)delta;D和delta;^{18 11-18}o应该指出，根据每月的降水综合样本，IAEA/WMO数据只提供了统计平均的、关于大气水汽的同位素组成的片段性信息，这是由于连续的降水事件，每一个通常具有高度可变的同位素特征⁸.基于长期算术平均值或长期加权平均值的降水同位素数据分析不足以充分揭示该同位素与季风系统的联系(补充信息SI1).采样和数据的复杂性质阻碍了在受多季风系统影响的地区追踪水汽源和运输路径的同位素方法的发展。此外，该分析还受到站内数据缺失和不完整的影响，尤其是在发展中国家^7-8。因此，同位素数据分析存在很大程度的不确定性，这是基于瑞利分馏模型的传统方法无法直接解决的问题。由于季风系统的复杂性，这一不确定性问题进一步升级。例如，东亚季风系统因厄尔尼诺南涛动(ENSO)、表层海水温度、欧亚积雪、极地涡旋的平流层异常向下传播、北极涛动(AO)、北大西洋振荡和行星波活动等大气内部过程而复杂化^19-21。

图一：中国地图位置和选择地点以及三个季风系统，修改使用绘图软件从参考⁶使用CorelDRAW X6 (http://down.52pk.com/xiazai/13513.shtml)。Mt意味着山。粉色的实线显示了喜马拉雅山脉和横断山脉。这些箭头指示了冬季季风、印度季风和东亚季风的方向。

同位素数据分析的不确定性问题可以用熵理论来解决，它是处理随机系统和数据不足的理想方法。熵作为衡量一个系统的散度、不确定性、无序度和多样化的指标，可以更好地反映季风系统的复杂性²²。最大熵原理使得从数据中提取尽可能多的信息尽可能少的假设^23-25。在季风系统中，它的熵会沿着蒸汽路径不断增加。然而，当原始蒸汽和局部产生的蒸气混合时，熵的增加速率就会增加。当两个方向相反的季风系统相遇时，熵增加的趋势就会减弱。对基于这些熵行为的降水同位素数据进行分析，有助于跟踪季风系统。通常，基于熵的方法是有效的，需要相对较少的计算工作量，并且在许多学科的适用性上都是通用的，例如生态学、生物学、经济学、水文学和水资源资源^26-29。在此基础上，提出了一种分析降水同位素数据的方法，以研究我国的季风系统，解决了这些系统的复杂性和数据缺乏的问题。

中国在东亚的大部分地区拥有960万平方公里的土地和从西到东的三个高度的梯级^30-31。中国的气候由两个季节性季风控制，即冬季季风和夏季季风，由印度洋季风和东亚季风组成^32,33(图1)。冬季季候风是一种与西伯利亚-蒙古高原和西风相联系的寒冷干燥的气流，对中国北方的降水有很大的影响。相比之下，夏季的季风则是来自热带印度洋和太平洋的温暖潮湿的气流，将水汽输送到中国南方^[34]。冬季季候风和夏季季风形成了中国的三个水汽通道:西北走廊、西南走廊和东南走廊，蒸汽主要来自内陆、印度洋和太平洋³⁵。

中国季风季节的开始、发展、高峰和消退随这三个季风流的相对强度变化而变化^32,33。在夏季，印度季风和东亚季风的强度比西北季候风大，而冬季则相反。季风季节的开始于5月中旬中国南海的强降雨。随后，雨带逐渐从沿海向东北移动到内陆地区。6月下旬，长江流域和7月末华北地区出现了雨季高峰。7月后，随着西北季风对印度季风和东亚季风的增强，夏季季风逐渐从中国北方逐渐向沿海地区转移。在年周期中，夏季季风给中国带来了大量降雨，这是由于季风带来的温暖的蒸汽和强烈的季风强度，而冬天的季风则是寒冷的大陆气团^35-37。在中国南方，印度季风是水汽的主要来源，平均强度是东南走廊的两倍³⁵。然而，在中国中部和东北部，东亚季风是降水的主要来源³⁸。

如上所述，我们对中国降水同位素追踪的季风的认识还远未完成。 本文旨在开发和应用一种基于熵理论的新方法来检验降水同位素的随机行为，并利用来自42个选定GNIP台站的长期同位素数据探索中国的季风系统。 这是熵理论首次应用于解释降水同位素数据。

图2 D熵与¹⁸O熵的关系。站号如表1所示。

结果

D和¹⁸O熵的关系。D、¹⁸O浓度之间的关系在自然大气水已被确定为(公式1)已应用作为检验的标准方法检测D、¹⁸ O自然水域的变化^3,4。基于42个选定的GNIP站收集的降水同位素数据，我们计算了D和¹⁸O的熵值(方法部分的详细信息)。另一种线性关系在这两种同位素之间的熵中被发现（图2）。线性回归计算D、¹⁸ O熵收益率ED =(0.93plusmn;0.05)E¹⁸O (0.98plusmn;0.07)(公式2)具有高的相关系数R² = 0.91,其中ED为D的熵值，E¹⁸O为¹⁸O的熵值。ED的最大值和最小值分别为2.72和1.71,E¹⁸O分别为1.79和0.89。

大气水的同位素组成特征方程1揭示了不同程度的D和¹⁸O由于其不同的质量数之间的分馏。D和¹⁸O的熵反映出降水月平均D和¹⁸O值的相同/相似程度的离差和不确定性。因此，这两种熵的行为之间的差异，如果有的话，应该是小的，正如它们与接近统一的比例因子的线性关系所示(方程 2)。

空间熵变和季风系统之间的联系。在亚洲季风活跃区，水汽的来源和季风途径，如上所述，是决定降水的同位素分布的主要因素^11-18。 降水同位素分布变化的变化导致同位素熵的变化。因此，可以利用D和¹⁸O熵的变化来推断下面详细讨论的水汽来源和季风途径。另一方面，我们已经测试了D和¹⁸O的熵与年平均降水量或年平均温度的关系，这表明两个因素对降水同位素熵变化的影响都是微不足道的(补充信息SI2)。

图3和图4分别给出了研究区的D和¹⁸O等熵线。两幅图中显示的模式具有很大的相似性，并且很好地描绘了D和¹⁸O熵与来自不同季风流的水汽之间的联系：四股冬季季风流(W1-4)，两股夏季印度季风流（I1-2）和三股东亚夏季风流（E1-3）.这些季风流沿着具有最小熵梯度的路径描述(即:最小熵值增加)。总的来说，与冬季季候风有关的同位素熵高于夏季季风。在冬季季风中，最大ED和E¹⁸O分别为2.6bit和1.7bit。这些值大于夏季季风的最大值(ED) = 2.3bit和最大值(E¹⁸O) = 1.4bit的印度季风和最大值(ED) = 2.1 bit和最大值(E¹⁸O) = 1.2bit东亚季风.这些差异可能是由不同的水汽来源引起的。冬季风的蒸汽来源于内陆水的二次蒸发，夏季风从温暖的海洋中获得水汽。当印度季风穿越中国西南边界时，同位素熵值大于东亚季风穿越中国的东南边界。这可能是由于从印度洋到印度支那边境的水汽所走的更远的路程造成的。

结果还表明，D，¹⁸O熵从西北向东南递减的总体趋势反映了不同季风的综合影响。西北部和东南部的等熵线主要位于一个单一的季风系统（冬季或夏季东亚季风），但是稀疏，表现出相对较小的空间变化。与此相反，中国中部和中国东北部夏季风和冬季风相遇时，等熵线相对密集且梯度较大。稠密的等熵线表明了两个季风系统相互作用对降水同位素熵的影响很大。

图3.研究区域的D的等熵线，使用Golden Software，LLC（www.goldensoftware.com）的Surferreg;¹²生成，与图1重叠，使用CorelDRAW X6进行了一些修改（http：//down.52pk.com/xiazai/13513.shtml）带有黑色实线箭头的W1，W2，W3和W4表示冬季季风四条流的路径; 具有绿色实心箭头的I1和具有浅绿色实线箭头的I2指示印度季风两条流的通道; 而E1，E2和E3带有蓝色实线箭头表示东亚季风三条流的通道。

图4.使用来自Golden Software，LLC（www.goldensoftware.com）的Surferreg;¹²产生的研究区域中的¹⁸O的等熵线，并且使用CorelDRAW X6（http://down.52pk.com/xiazai/13513.shtml）对图1进行了一些修改。带有黑色实线箭头的W1，W2，W3和W4表示冬季季风四条流的路径; 具有绿色实心箭头的I1和具有浅绿色实线箭头的I2指示印度季风两条流的通道; 而E1，E2和E3带有蓝色实线箭头表示东亚季风三条流的通道。

如果假设季风系统是孤立的，那么它的熵应该根据最大熵原理沿着行进路径不断地增加。如果季风系统的熵减少，它将受到另一个系统的影响，这个系统通过水汽混合带来负熵。图3和图4显示，印度季风和冬季风的降水同位素熵沿边界的路径减小：D熵为2.3bit到2.1bit，印度季风¹⁸O熵为1.4bit到1.1bit ，对于冬季季风的¹⁸O熵1.7bit到1.5bit，D熵2.6 bit到 2.4 bit。冬季季候风的熵减小比印度季风小。这很可能是由于冬季季风带来的降雨量少于印度季风带来的降雨。相反，东亚季风的行程主要在太平洋上，导致沿途同位素熵增加，表明与外部系统的相互作用减弱。

跟踪季风系统。由于D和18O熵的空间变化很大程度上是由蒸汽源和季风流控制的，所以我们认为降水中的D和18O熵可以用于跟踪季风系统。图3和图4所示的模式表明，印度季风(I1)的一条流从中国西南边境线向东穿过，然后在到达中国东部之前向中国中南部的东北方向移动，产生强降雨后其强度减弱。总的来说，印度洋季风把大量的水汽从印度洋输送到中国。值得注意的是，印度季风(I2)的一小部分转向了位于青藏高原东部的北部，这可能是由于横断山脉的阻碍作用造成的。在喜马拉雅山脉(图3和图4)中平行的等熵线反映了一个类似的情况，即喜马拉雅山阻碍了印度季风从南到北的运动，以及冬季季风从北方到南方的运动。

穿过西北边界后，冬季季风开始从西北向南流入（W1），直至达到青藏高原;另一条流（W2）向东移动直至到达中国北方的中部。冬季季风的第三条流（W3）为中国中北部带来一些降水。北方冬季季风的第四条流（W4）影响了中国东北部的降水。

在中国南部和东部的沿海地区，等熵线有所不同。 这很可能是由于东亚季风气流（E1）来自太平洋的水汽带来的影响³⁶。 另外两股东亚季风E2和E3从太平洋向西北移动，然后与中国中部和中国东北部中南部的冬季季风混合，带来水汽并产生这些地区大部分的降水。

讨论和结论

本研究在熵理论的基础上引入的方法能够深入分析降水同位素数据，探索复杂的季风系统。 与先前的基于气象资料的研究相比，本分析使用具有更长时间序列和更宽空间覆盖范围的降水同位素数据。 这种方

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23766]，资料为PDF文档或Word文档，PDF文档可免费转换为Word