水分来源复杂地区发挥温度效应的前提

在中国科学院地球与环境研究所（IEECAS）的大楼里同步观测现场水汽和基于事件的降水同位素组成。2016年1月1日至2018年10月7日，在离地约30米的IEECAS七楼观测到大气水汽同位素组成。从每次降水事件开始，手动收集降雨和降雪样本，并使用量瓶测量体积。我们在三年的采样活动中收集了175个降雨和21个降雪样本。

降水样品由Picarro L2130-i波长扫描腔衰荡光谱仪测量，δ¹⁸O和δ²H的精度分别优于0.1‰和0.5‰。大气中水汽的δ¹⁸Ov和δ²Hv也通过IRIS（L2130-i，Picarro Inc）测量，但采用液-汽双重模型。在水汽测量模型中，仪器的入口通过外部电磁阀连接到水汽源，电磁阀的另一端连接到干燥空气，L2130-i发出的电信号控制阀门开关。在测量校准气体时，电磁阀切换到干燥空气，从而从测量池中去除任何水汽样品残留。然后，通过CTC Analytics自动采样器将液体标准物注入汽化室中，并且通过IRIS（L2130-i，Picarro Inc）测量汽化的的液体标准物。测量液体标准后，将入口切换为水汽测量模式，使用隔膜泵通过不锈钢管（1/8 in.）将大气水汽泵入仪器腔，并通过L2130-i进行检测（详细信息，请参阅Xing等人（2022））。

季风的定义是一种周期性的风，尤其是在印度洋和南亚，这表明它的开始和消退日期具有内部周期性。因此，研究降水同位素记录的天气条件，第一步是准确确定EASM的起止时间。

我们使用IRIS获得了西安三年一小时分辨率的水汽同位素数据，并准确定义了EASM的开始和消退日期。

在图1中，通过快速傅立叶变换将每小时的水汽同位素数据平滑到10天的分辨率，从2016年到2018年，可以清楚地观察到δ¹⁸O_v的三次突然下降。季风的爆发以δ¹⁸O_v的急剧下降为标志（Srivastava et al.，2015；Yu et al.，2016b），因此，这三个转折点对应于2016年至2018年EASM的爆发日期。季风的消退日期定义为当δ¹⁸O_v的平滑值开始下降并遵循温度下降趋势时。2016年，EASM在西安的开始和结束时间都比较晚，但2017年和2018年的着陆和消退时间都比较早。总体来看，西安季风的开始时间在6月左右，消退时间一般在10月初。因此，我们将西安的6月至9月定义为季风季节，将10月至次年5月定义为非季风季节。

根据西安三年降水同位素观测结果，δ¹⁸O_p与温度呈正相关，与降水量呈负相关（图2a、2b），但相关系数较低（温度r=0.26，降水量r=-0.22）。这表明温度和降水量对降水同位素的影响较弱。

在分析δ¹⁸O_v和δ¹⁸O_p之间的关系之前，将每小时的水汽同位素数据平均为每日数据。正如预期的那样，δ¹⁸O_v和δ¹⁸O_p显示出显著的正相关，相关系数为0.84（图2c）。此外，根据平衡分馏理论，我们通过观测到的水汽同位素（δ¹⁸O_v）计算了平衡降水同位素（Δ¹⁸O_p-e），并将其与观测到的δ¹⁸O_p进行了比较。降水同位素值主要由水汽同位素变化决定（R2=0.71）。相比之下，平衡计算的δ¹⁸O_p-e值比观测到的δ¹⁸O_p值更负，这可能表明云下蒸发对该研究区降水同位素的影响（Xing et al.，2022）。δ¹⁸O_p和RH之间的负关系（图2d）和d-excess和RH之间的正关系也反映了雨滴下落过程中云下蒸发对雨滴的影响。因此，基于δ¹⁸O_v和δ¹⁸O_p之间的显著相关性，我们可以通过使用高分辨率的δ¹⁸O_v结果来进一步研究δ¹⁸O_p所包含的环境信息。

有趣的是，如图2所示，δ¹⁸O_v和温度（T）在非季风季节表现出相似的趋势，而在季风季节则表现出相反的趋势。通过回归分析，我们注意到δ¹⁸O_v和温度的决定系数（R²）从三年数据的0.29增加到仅非季风数据的0.46（图3），这表明δ¹⁸O_f在非季风季节的变化比全年更依赖于温度。同时，δ¹⁸O_v-T在季风季节的决定系数（R²=0.03）极低（图3b）。

因此，根据δ¹⁸O_v的季节划分，我们将δ¹⁸O_p重新划分为季风组和非季风组，并重新进行与气象因素的回归分析。如图4a所示，在非季风季节，δ¹⁸O_p与温度呈显著正相关。同时，与年度数据相比，相关系数从0.26增加到0.54。相比之下，在季风季节，δ¹⁸O_p与温度之间的相关性仍然很弱。这表明西安在非季风季节存在明显的温度效应。然而，无论是在非季风季节还是在季风季节，δ¹⁸O_p与降水量之间的相关性仍然很差，表明西安没有降雨量效应（图4b）。