在中國科學院地球與環(huán)境研究所（IEECAS）的大樓里同步觀測現場水汽和基于事件的降水同位素組成。2016年1月1日至2018年10月7日，在離地約30米的IEECAS七樓觀測到大氣水汽同位素組成。從每次降水事件開始，手動收集降雨和降雪樣本，并使用量瓶測量體積。我們在三年的采樣活動中收集了175個降雨和21個降雪樣本。

降水樣品由Picarro L2130-i波長掃描腔衰蕩光譜儀測量，δ¹⁸O和δ²H的精度分別優(yōu)于0.1‰和0.5‰。大氣中水汽的δ¹⁸Ov和δ²Hv也通過IRIS（L2130-i，Picarro Inc）測量，但采用液-汽雙重模型。在水汽測量模型中，儀器的入口通過外部電磁閥連接到水汽源，電磁閥的另一端連接到干燥空氣，L2130-i發(fā)出的電信號控制閥門開關。在測量校準氣體時，電磁閥切換到干燥空氣，從而從測量池中去除任何水汽樣品殘留。然后，通過CTC Analytics自動采樣器將液體標準物注入汽化室中，并且通過IRIS（L2130-i，Picarro Inc）測量汽化的的液體標準物。測量液體標準后，將入口切換為水汽測量模式，使用隔膜泵通過不銹鋼管（1/8 in.）將大氣水汽泵入儀器腔，并通過L2130-i進行檢測（詳細信息，請參閱Xing等人（2022））。

季風的定義是一種周期性的風，尤其是在印度洋和南亞，這表明它的開始和消退日期具有內部周期性。因此，研究降水同位素記錄的天氣條件，第一步是準確確定EASM的起止時間。

我們使用IRIS獲得了西安三年一小時分辨率的水汽同位素數據，并準確定義了EASM的開始和消退日期。

在圖1中，通過快速傅立葉變換將每小時的水汽同位素數據平滑到10天的分辨率，從2016年到2018年，可以清楚地觀察到δ¹⁸O_v的三次突然下降。季風的爆發(fā)以δ¹⁸O_v的急劇下降為標志（Srivastava et al.，2015；Yu et al.，2016b），因此，這三個轉折點對應于2016年至2018年EASM的爆發(fā)日期。季風的消退日期定義為當δ¹⁸O_v的平滑值開始下降并遵循溫度下降趨勢時。2016年，EASM在西安的開始和結束時間都比較晚，但2017年和2018年的著陸和消退時間都比較早?？傮w來看，西安季風的開始時間在6月左右，消退時間一般在10月初。因此，我們將西安的6月至9月定義為季風季節(jié)，將10月至次年5月定義為非季風季節(jié)。

根據西安三年降水同位素觀測結果，δ¹⁸O_p與溫度呈正相關，與降水量呈負相關（圖2a、2b），但相關系數較低（溫度r=0.26，降水量r=-0.22）。這表明溫度和降水量對降水同位素的影響較弱。

在分析δ¹⁸O_v和δ¹⁸O_p之間的關系之前，將每小時的水汽同位素數據平均為每日數據。正如預期的那樣，δ¹⁸O_v和δ¹⁸O_p顯示出顯著的正相關，相關系數為0.84（圖2c）。此外，根據平衡分餾理論，我們通過觀測到的水汽同位素（δ¹⁸O_v）計算了平衡降水同位素（Δ¹⁸O_p-e），并將其與觀測到的δ¹⁸O_p進行了比較。降水同位素值主要由水汽同位素變化決定（R2=0.71）。相比之下，平衡計算的δ¹⁸O_p-e值比觀測到的δ¹⁸O_p值更負，這可能表明云下蒸發(fā)對該研究區(qū)降水同位素的影響（Xing et al.，2022）。δ¹⁸O_p和RH之間的負關系（圖2d）和d-excess和RH之間的正關系也反映了雨滴下落過程中云下蒸發(fā)對雨滴的影響。因此，基于δ¹⁸O_v和δ¹⁸O_p之間的顯著相關性，我們可以通過使用高分辨率的δ¹⁸O_v結果來進一步研究δ¹⁸O_p所包含的環(huán)境信息。

有趣的是，如圖2所示，δ¹⁸O_v和溫度（T）在非季風季節(jié)表現出相似的趨勢，而在季風季節(jié)則表現出相反的趨勢。通過回歸分析，我們注意到δ¹⁸O_v和溫度的決定系數（R²）從三年數據的0.29增加到僅非季風數據的0.46（圖3），這表明δ¹⁸O_f在非季風季節(jié)的變化比全年更依賴于溫度。同時，δ¹⁸O_v-T在季風季節(jié)的決定系數（R²=0.03）極低（圖3b）。

因此，根據δ¹⁸O_v的季節(jié)劃分，我們將δ¹⁸O_p重新劃分為季風組和非季風組，并重新進行與氣象因素的回歸分析。如圖4a所示，在非季風季節(jié)，δ¹⁸O_p與溫度呈顯著正相關。同時，與年度數據相比，相關系數從0.26增加到0.54。相比之下，在季風季節(jié)，δ¹⁸O_p與溫度之間的相關性仍然很弱。這表明西安在非季風季節(jié)存在明顯的溫度效應。然而，無論是在非季風季節(jié)還是在季風季節(jié)，δ¹⁸O_p與降水量之間的相關性仍然很差，表明西安沒有降雨量效應（圖4b）。