《湖泊科学》

基于涡度协方差技术的白洋淀湿地蒸散速率研究^*

doi: 10.18307/2025.0344

杨磊¹ ，蒋小伟¹ ，张志远¹ ，韩鹏飞¹ ，欧阳恺皋¹ ，高冰¹ ，张源² ，李海涛²

1. 中国地质大学（北京），地下水循环与环境演化教育部重点实验室，北京 100083

2. 中国地质环境监测院，北京 100081

基金项目: 科技部科技创新专项(2022XACX0900)资助

Evapotranspiration rate in the Baiyangdian wetland based on the eddy covariance technique^*

Yang Lei¹ ， Jiang Xiaowei¹ ， Zhang Zhiyuan¹ ， Han Pengfei¹ ， Ouyang Kaigao¹ ， Gao Bing¹ ， Zhang Yuan² ， Li Haitao²

1. MOE Key Laboratory of Groundwater Circulation and Environmental Evolution, China University of Geosciences, Beijing 100083 , P.R.China

2. China Institute of Geo-Environmental Monitoring, Beijing 100081 , P.R.China

摘要

水面蒸发和植被蒸腾是湿地水平衡的关键要素，如何定量湿地的植被蒸腾速率是水文学领域的难题。本研究采用涡度协方差系统获得的白洋淀典型区域2022年芦苇生长季（4—10月）蒸散速率（ET）为6.75 mm/d, 显著大于参考作物蒸散速率(ET₀)（5.06 mm/d）。结合蒸发池获得的无植被区水面蒸发速率（E_w）均值（3.22 mm/d）和遥感方法识别的植被覆盖率（65%）等信息，计算发现植被覆盖区蒸散速率（ET_c）均值为8.65 mm/d，是E_w均值的2.7倍。由于植被覆盖区蒸散主要由植被蒸腾控制，ET_c在月尺度与对应观测范围的NDVI呈线性关系，指示与植被生长阶段密切相关。在生长季前期（4月1日-5月18日），ET_c由4.19 mm/d逐渐增大至9.76 mm/d，均值为6.86 mm/d，对应作物系数（K_c，ET_c与ET₀的比值）为1.01；在快速生长阶段（5月19日-6月24日），ET_c介于9.88~13.00 mm/d之间，均值为11.73 mm/d，对应K_c为1.77；在成熟阶段（6月25日-9月30日），ET_c介于8.19~9.95 mm/d之间，均值为9.19 mm/d，对应K_c为1.74；而在衰老阶段（10月1日-10月31日），ET_c由8.16 mm/d快速减小到3.58 mm/d，均值为5.66 mm/d，对应K_c为1.80。本研究获得的ET_c及K_c可为白洋淀水量平衡分析和雄安新区水资源安全保障提供科学依据。

关键词

植被蒸腾 / 水面蒸发 / 涡度协方差系统 / 作物系数 / 水平衡 / 白洋淀 / 雄安新区

Abstract

Water surface evaporation and vegetation transpiration are key elements of wetland water balance, and quantifying the vegetation transpiration rate of wetlands is a challenge in the field of hydrology. In this study, a typical area of the Lake Baiyangdian during the 2022 reed growth season (from April to October) was investigated using the eddy covariance system, and the average evapotranspiration rate was found to be 6.75 mm/d, which was higher than the average reference evapotranspiration rate (ET₀) equaling 5.06 mm/d. Combining the average water surface evaporation rate (E_w) equaling 3.22 mm/d obtained from the evaporation pool in non-vegetated areas and the vegetation coverage rate equaling 65% identified by using remote sensing images, the average evapotranspiration rate in vegetation-covered areas (ET_c) was found to be 8.65 mm/d, which was 2.7 times higher than the average E_w. Because evapotranspiration in vegetation-covered areas was mainly controlled by vegetation transpiration, ET_c had a linear relationship with NDVI on the monthly scale, indicating the control of vegetation growth stages. During the early growing season (from April 1st to May 18th), ET_c increased from 4.19 mm/d to 9.76 mm/d, with an average ET_c of 6.86 mm/d and a crop coefficient (K_c= ET_c/ET₀) of 1.01. In the rapid growing stage (from May 19th to June 24th), ET_c ranged from 9.88 mm/d to 13.00 mm/d, with an average ET_c of 11.73 mm/d and a K_c of 1.77. In the mature stage (from June 25th to September 30th), ET_c ranged from 8.19 mm/d to 9.96 mm/d, with an average ET_c of 9.19 mm/d and a K_c of 1.74. In the stage of plant senescence (from October 1st to October 31st), ET_c rapidly decreased from 8.16 mm/d to 3.58 mm/d, with an average ET_c of 5.66 mm/d and a K_c of 1.80. The evapotranspiration rate in vegetation-covered areas and crop coefficient obtained in this study can provide a scientific basis for the analysis of water balance in the Lake Baiyangdian and the security of water resources in the Xiong'an New Area.

Keywords

Vegetation transpiration / water surface evaporation / eddy covariance system / crop coefficient / water balance / Lake Baiyangdian / the Xiong'an New Area

1 研究区概况 2 数据与方法 2.1 气象与蒸散速率的监测与计算 2.2 湖泊水面蒸发速率的监测与处理 2.3 植被覆盖区蒸散速率的计算 2.4 基于时间序列分析加法模型的趋势项提取 2.5 作物系数K_c的计算 3 结果与讨论 3.1 蒸散、水面蒸发、植被蒸腾速率的季节变化规律 3.2 气象要素对水面蒸发速率和植被覆盖区蒸散速率的控制作用 3.3 植被生长阶段对植被覆盖区蒸散的控制作用 3.4 植被覆盖区蒸散与水面蒸发比的季节性变化特征 4 结论

水面蒸发与植被蒸腾是湖泊湿地生态系统水分循环中的关键环节。白洋淀是华北平原最大的淡水湖泊型湿地，长期以来发挥着重要的水资源调蓄和生态平衡功能，但对其植被蒸腾耗水量随时间变化情况一直缺少定量认识。准确定量植被覆盖区蒸散速率对于评价白洋淀湿地水平衡、保障雄安新区水资源和水生态安全具有重要现实意义。

涡度协方差技术可以精确测定地表与大气间的水汽交换量^[1]，已被广泛应用于测量森林、草原、农田等生态系统蒸散速率^[2-4]。针对这些陆地生态系统，有学者提出了考虑植被覆盖度将蒸散发拆分为裸土蒸发和植被蒸腾的方法^[5-7]，加深了对陆地植被蒸腾规律的定量认识。近年来，涡度协方差技术也被应用于鄱阳湖、洱海、太湖、色林错和纳木错等湖泊的通量观测研究^[8-12]。然而，这些湖泊主要由开阔水域组成，湖泊蒸散速率与水面蒸发速率接近，无需区分蒸散速率与水面蒸发速率。对于含大量水生植被的湖泊生态系统，现有一些研究^[13-14]直接利用蒸散速率和植被覆盖区面积相乘获得蒸腾耗水量，未考虑湖泊整体蒸散速率、植被覆盖区蒸散速率、植被蒸腾速率与水面蒸发速率的差别。许士国等^[15]计算了白洋淀和扎龙湿地的蒸腾作用因子（ET/E_w），但由于植被面积未知，无法估算植被蒸腾速率。如何根据大范围水生生态系统的蒸散速率确定水生植被覆盖区的蒸散速率乃至植被蒸腾速率是水文学领域的难题。

雄安新区成立以来，白洋淀湿地水面蒸发和蒸散监测得到了重视，中国地质调查局水文地质环境地质调查中心和中国地质环境监测院在白洋淀分别建立了20 m²蒸发池和涡度协方差系统，前者可以获得实际水面蒸发量，后者可以实现生态系统实际蒸散量的连续精准监测^[16-20]。基于20 m²蒸发池，王晓燕等^[21]分析了白洋淀湿地2021年6月1日-9月10日的开放水面蒸发速率并建立了其与E601蒸发皿蒸发速率的折算系数。基于涡度协方差系统2019年8月-2020年2月的日蒸散速率监测数据，Li等^[22]发现该阶段日蒸散速率逐渐下降。由于缺少蒸散速率的长时间序列观测数据以及分离蒸发速率和蒸腾速率的方法，目前对整个生长季尺度的植被蒸腾量缺少定量认识。

由于白洋淀涡度协方差系统监测范围内主要为开阔水体和芦苇等水生植被，其蒸散量由开阔水面蒸发量和植被覆盖区蒸散量两部分组成，两者的具体比例由植被覆盖率决定。本文提出了一种确定植被覆盖区逐日蒸散速率的方法，实现湖泊蒸散速率的定量拆分，在此基础上分析开阔水面蒸发和植被覆盖区蒸散的季节性变化规律及其控制因素。

1 研究区概况

白洋淀是海河流域大清河水系中重要的蓄水枢纽^[23]，是典型的浅水草型湖泊，在天然和人为因素的作用下，淀内河淀相连，沟壑纵横，由3700多条沟壕和河道将淀泊连接在一起^[24]，主要淀泊包括烧车淀、藻苲淀、小白洋淀、捞王淀、泛鱼淀和范峪淀等^[25]，其开阔水体面积为83.78 km²，水生作物区面积为102.72 km²^[26]，挺水植被的优势种主要有芦苇和莲^[27]，水生植被基本都遵循春生、夏长、秋衰的生长周期^[28]。

根据安新气象站1960—2022年气温、降水数据，多年平均气温为12.76℃，多年平均降水量为502 mm。2022年全年降水量为432 mm，发生2.50 mm及以上降水共29次，其中20次发生在6—8月，最大单日降水量达到35.00 mm（发生在8月21日）；年平均气温为13.72℃，全年最高气温为41.40℃（发生在6月25日），全年最低温度为-15.10℃（发生在2月14日）。根据涡度监测塔的辐射数据，2022年4—10月单日净辐射最大值为239.96 W/m²（发生在7月13日），最低值为6.34 W/m²（发生在10月1日）。

2 数据与方法

2.1 气象与蒸散速率的监测与计算

在白洋淀北部烧车淀岸边约1.5 km处（38°57′35.56″N，115°57′43.28″E）建立涡度监测塔（图1a），监测范围内分布有开阔水体和芦苇植被（图1b），距水面约10 m高处安装Li-COR 7500型涡度协方差系统和Biomet微气象监测系统（图1c）。关于这两个监测系统安装情况的更详细信息见文献^[22]。气象监测系统的监测指标包括降水量、气温、风速、相对湿度和净辐射等。利用气温和相对湿度计算饱和水汽压差（VPD），即饱和水汽压与大气中实际水汽压的差值，该参数是表征水分蒸散的重要驱动力^[29]。

图1研究区位置图（a）；监测区域吉林一号卫星影像图（b）；涡度协方差系统监测塔（c）

Fig.1Location of the study area (a) ; The Jilin-1 satellite image of the monitored area (b) ; The eddy covariance system monitoring tower (c)

涡度协方差系统的直接监测指标包括水汽密度、三维风速等。通过计算垂直风速与水汽密度脉动值的协方差得到水汽通量，再乘以汽化潜热得到潜热通量^[30-33]。根据潜热通量与水分相变（即蒸发和蒸腾）的关系转换即可得到所观测较大面积范围的蒸散速率。潜热通量和蒸散速率计算公式为：

L E \approx w^{'} \cdot ρ_{v}^{'} \cdot λ

(1)

E T = L E / λ

(2)

式中，LE为潜热通量（W/m²），ET为监测范围的蒸散速率（mm/s），w′为垂直风速的湍流波动值（m/s），ρ′_v为水汽密度湍流波动值（g/cm³），λ为水的汽化潜热（约为2.45 MJ/kg）。

涡度协方差系统的观测值代表其迎风方向一定区域内观测要素的均值^[34]。本文通过开展风速风频统计分析和通量足迹范围分析划定涡度监测塔观测区域。2022年4—10月平均风速为2.46 m/s，涡度通量塔附近最大风速为12.99 m/s，最大风速出现在180°~270°（图2）。采用Kljun模型^[35]对通量贡献区进行评估，图3显示了春季、夏季和秋季的通量贡献足迹范围。结果表明，80%的累计通量贡献点的分布情况与风向和风速的频率分布基本一致，主要集中在45°~135°和270°~360°方向。通量贡献足迹范围在西北向和东南向较大，不同季节的源区形状基本一致，夏季和秋季的足迹范围较春季略微偏向西南。根据源区范围，各季节通量累计频率在80%时与涡度塔的平均距离分别约为238、215和245 m。3个季节的源区范围内植被和水体占比差异不大，故以涡度监测塔为中心建立500 m×500 m的正方形目标区域，目标区域内分布有水体和芦苇等植被，对目标区域的吉林一号卫星图像监督分类识别结果显示，植被和水体面积分别为0.1625 km²和0.0875 km²，植被覆盖率为65%。

图2涡度监测塔4—10月风向玫瑰图

Fig.2Wind rose of vorticity monitoring tower from April to October

图3春季（a）、夏季（b）和秋季（c）通量源区范围

Fig.3Range of flux source regions in spring (a) , summer (b) and autumn (c)

2.2 湖泊水面蒸发速率的监测与处理

蒸发皿监测的蒸发量代表供水充足条件下的蒸发能力^[36]，直径大于3.5 m的蒸发池所测水面蒸发量可以代表实际水面蒸发量^[37]。中国地质调查局水文地质环境地质调查中心于2021年6—9月对白洋淀中心位置20 m²蒸发池的蒸发量进行了监测^[21]，但2022年未开展监测。

枣林庄水文站位于雄县苟各庄镇枣林庄村（图1a），是海河流域大清河水系白洋淀出口控制站，站内建有E601蒸发皿和20 cm蒸发皿。每年3—11月使用E601蒸发皿观测蒸发量。本文先建立2021年6—9月白洋淀中心位置20 m²蒸发池蒸发速率^[21]与枣林庄同时期的E601蒸发皿蒸发速率的相关性，确定E601蒸发皿蒸发速率同开放水面蒸发速率的折算系数k₁：

k_{1} = \frac{E_{20 m^{2}}}{E_{E 601}}

(3)

式中，

E_{20 m^{2}}

为白洋淀20 m²蒸发池蒸发速率；E_E601为枣林庄E601型蒸发皿蒸发速率。在此基础上，利用枣林庄水文站2022年植被生长季的逐日蒸发皿蒸发速率乘以折算系数k₁计算得到白洋淀同期的逐日水面蒸发速率（E_w）。

2.3 植被覆盖区蒸散速率的计算

研究区涡度协方差系统的监测范围由水生植被（芦苇）覆盖区和开阔水面区组成（图1b）。前人研究认为，芦苇的表面截留蒸发量可以忽略^[6]。因此，生态系统蒸散速率等于开阔水域蒸发速率与植被覆盖区蒸散速率的加权平均，即：

E T = E_{w} \cdot (1 - f_{植被}) + E T_{c} \cdot f_{植被}

(4)

式中，ET_c为植被覆盖区蒸散速率（mm/d），f_植被为植被覆盖率。将式（4）改写为植被覆盖区的蒸散速率表达式：

E T_{c} = E T \cdot \frac{1}{f_{植被}} - E_{w} \cdot \frac{1 - f_{植被}}{f_{植被}}

(5)

如果植被覆盖区的棵间水面蒸发可以忽略，则ET_c可以代表植被蒸腾速率；如果植被覆盖区的棵间水面蒸发不可忽略，需要将ET_c减去棵间水面蒸发速率获得植被蒸腾速率。

2.4 基于时间序列分析加法模型的趋势项提取

日尺度观测数据随机性明显，不便于直接分析植被覆盖区蒸散速率和开阔水面蒸发的季节性规律及控制因素。本文采用时间序列分析加法模型^[38-39]，将植被覆盖区蒸散速率和水面蒸发速率时间序列分为趋势（T_r）、循环波动（C）、季节周期波动（S）和残差波动（I）4个部分，表达式为：

Y = T_{r} + C + S + I

(6)

式中，Y为实际时间序列值。

本研究分别提取了10 d和30 d窗口大小下的趋势项，结果显示30 d窗口大小下的趋势项更好地反映了水面蒸发速率和植被覆盖区蒸散速率的变化趋势，故以30 d窗口大小下的趋势项开展分析。

2.5 作物系数K_c的计算

根据FAO推荐的Penman-Monteith模型计算参考作物蒸散量，其表达式为：

E T_{0} = \frac{0.408 Δ (R_{n} - G) + γ \frac{900}{T + 273} u_{2} (e_{s} - e_{a})}{Δ + γ (1 + 0.34 u_{2})}

(7)

式中，ET₀为参考作物蒸散速率（mm/d）；R_n为作物表面净辐射（MJ/（m²·d））；G为土壤热通量（MJ/（m²·d））；T为平均气温（℃）；e_s为饱和水汽压（kPa）；e_a为实际水汽压（kPa）；Δ为饱和水汽压-温度曲线斜率（kPa/℃）；γ为湿度计常数（kPa/℃）；u₂为距地面2 m高处风速（m/s）。本研究参考作物为高密度的芦苇群落，且植被下垫面为水面，水体的高热容量和植被的蒸腾主导了能量的消耗，使得土壤热通量在日尺度内可忽略。

利用计算得到的植被覆盖区蒸散速率ET_c作为实际作物蒸散速率，可以计算K_c：

K_{c} = E T_{c} / E T_{0}

(8)

3 结果与讨论

3.1 蒸散、水面蒸发、植被蒸腾速率的季节变化规律

根据逐日观测数据（图4），2022年芦苇生长季期间（4—10月）白洋淀蒸散量为1445 mm，日均值为6.75 mm/d。每月蒸散速率均值分别为5.22、7.39、9.06、7.44、6.93、6.93、4.34 mm/d，即6月蒸散速率最大，4—6月逐渐增大，6—10月逐渐减小。蒸散速率月平均值的变化规律与前人结果一致^[15]，大于芦苇生长季期间参考作物蒸散速率（5.06 mm/d）（图5）。

图4植被生长季内蒸散速率（ET）、水面蒸发速率（E_w）和植被覆盖区蒸散速率（ET_c）的时间序列

Fig.4Time series of evapotranspiration rate (ET) , water surface evaporation rate (E_w) and evapotranspiration rate in vegetation-covered areas (ET_c) during vegetation growth season

图5白洋淀蒸散速率（ET）月均值

Fig.5Comparison of monthly average evapotranspiration rate (ET) in Lake Baiyangdian

2021年6—9月白洋淀中心处的20 m²蒸发池蒸发速率^[21]与同期枣林庄水文站E601蒸发皿测得的蒸发速率变化趋势基本一致（图6a），且相关性较强（图6b），两者的折算系数k₁为0.86。根据以上折算系数和观测结果得出2022年4—10月白洋淀水面蒸发速率的时间序列（图4）。2022年芦苇生长季期间白洋淀水面蒸发量为690 mm，日均值为3.22 mm/d，每月水面蒸发速率均值为3.13、3.80、4.12、3.52、3.04、3.11、1.86 mm/d，4—6月随气温升高逐渐增大，夏季水面蒸发速率较大，10月开始逐渐降低。

根据式（5）获得植被覆盖区蒸散速率ET_c。从图4可以看出，2022年生长季植被覆盖区蒸散量为1843 mm，日均值为8.65 mm/d，是E_w均值的2.7倍。每月ET_c均值分别为6.50、9.39、11.90、9.60、8.76、8.67、5.50 mm/d，即4—6月逐渐增大，6—10月逐渐减小，具有明显的月际变化特征。

图620 m²蒸发池与E601蒸发皿日蒸发速率的时序数据（a）及相关性（b）

Fig.6Time series data (a) and correlation analysis (b) of 20 m² evaporation pool and E601 evaporation pan

于文颖等^[6]认为芦苇棵间水面蒸发量占芦苇覆盖区蒸散量的8.9%~14.4%。假定该比例也适用于白洋淀，则将ET_c分别乘以85.6%和91.1%可以估算植被蒸腾量的范围（图7）。生长季期间植被蒸腾量为1585~1687 mm。

图7白洋淀估算植被蒸腾量

Fig.7Estimated monthly vegetation transpiration amount in Lake Baiyangdian

3.2 气象要素对水面蒸发速率和植被覆盖区蒸散速率的控制作用

根据蒸散发的控制机理，湖泊水面蒸发主要受到太阳辐射、空气动力学条件和湖水传热等因素影响^[40-42]，而植被覆盖区蒸散则受气象变化、植被生长状态等因素共同控制^[43]。为分析各气象因素与水面蒸发、植被覆盖区蒸散在不同时间尺度的相关关系，本文选取气温、净辐射、相对湿度、饱和水汽压差4个参数，绘制生长季内逐日水面蒸发速率和植被覆盖区蒸散速率与这4个参数的小波相干谱（图8）。以相干系数大于0.8的分布范围为判别依据，这4个参数与水面蒸发之间的相干性均明显大于与植被覆盖区蒸散之间的相干性，表明这些气象参数对水面蒸发的控制作用更为明显。气温、净辐射（图8a、b）在夏季的较短周期内（4~16 d），与两者的相干性存在明显差异，与水面蒸发相干性强（相干系数大于0.8），而与植被覆盖区蒸散的相干性弱（相干系数小于0.6）。饱和水汽压差（图8c）在6—10月的中长周期内（16~32 d）与两者相干性存在明显差异，与相对水面蒸发的相干性强（相干系数大于0.8），与植被覆盖区蒸散的相干性弱（相干系数小于0.6）。相对湿度（图8d）与两者的相干性是所有参数中差异最显著的，与植被覆盖区蒸散的在短周期（4~16 d）内的相干性较强，而与水面蒸发在短周期（4~16 d）和中长周期（16~32 d）内均具有强相干性。

水面蒸发是一个相对简单的物理过程，气象参数对水面蒸发的影响较为直接，依赖于水面与空气间的水汽压差以及能量供应等条件。植被覆盖区蒸散主要由植被蒸腾贡献，在生长季期间饱和水汽压差随着气温和相对湿度的变化而变化，高饱和水汽压差和高净辐射等条件会诱导植被气孔暂时关闭，以抵消气象因素导致的植被蒸腾耗水^[44-45]。上述水面蒸发速率和植被覆盖区蒸散速率对气象参数的不同响应机理可能是导致两者与气象参数的相干性存在差异的主要原因。

图8水面蒸发速率（E_w）、植被覆盖区蒸散速率（ET_c）与气象因素的小波相干谱

Fig.8Wavelet coherence spectra of water surface evaporation rate (E_w) , evapotranspiration rate in vegetation-covered areas (ET_c) and meteorological factors

3.3 植被生长阶段对植被覆盖区蒸散的控制作用

本研究获取了5—10月涡度塔附近植被覆盖区逐月NDVI值，并与植被覆盖区蒸散速率做相关性分析（图9），结果表明两者具有强相关性（R²=0.92），进一步证明植被生长状态是植被覆盖区蒸散速率的重要控制因素。

图9植被覆盖区蒸散速率（ET_c）与月均NDVI的相关性分析

Fig.9Correlation analysis between evapotranspiration rate in vegetation-covered areas (ET_c) and NDVI

前人研究指出，芦苇从4月初开始发芽进入生长季前期，5—7月为快速生长阶段，8—10月初为芦苇成熟期，10月后逐渐枯萎^[28，46]。根据时间序列分析加法模型获得的植被覆盖区蒸散速率趋势项也可以划分出4个阶段。4月1日-5月18日，植被覆盖区蒸散速率从4.19 mm/d逐渐升高至9.76 mm/d，植被在该阶段发芽、展叶，需水量逐渐增大。5月19日-6月24日呈半个波长的正弦函数形式先上升后下降，5月19日和6月24日的植被覆盖区蒸散速率分别为9.88和9.90 mm/d，6月5日植被覆盖区蒸散速率达到峰值（13.00 mm/d），植被在该阶段快速生长，植被覆盖区蒸散需水量迅速增加至峰值后随着植被生长需求减缓而逐渐降低。6月25日-9月30日，植被覆盖区蒸散速率从9.95 mm/d缓慢下降到8.19 mm/d，该阶段植被从生长阶段逐渐过渡到成熟阶段，需水量趋于稳定，整体呈缓慢趋势。10月1日-10月31日植被覆盖区蒸散速率从8.16 mm/d下降至3.58 mm/d，该阶段植被逐渐进入衰败阶段。

本研究利用植被覆盖区的日均蒸散速率和参考作物蒸散速率计算了4个生长阶段的K_c，将各个阶段的系数取日平均值（表1），该系数可用于估算植被群落蒸散。在生长季前期水生植被逐渐长出水面，此阶段植被覆盖区蒸散速率接近参考作物蒸散速率；在快速生长阶段植被快速生长，植被覆盖率增大，作物系数迅速增大；成熟阶段和衰败阶段植被覆盖率依然较高，K_c维持在较高数值，变化幅度较小。

表1白洋淀水生植被覆盖区作物系数

Tab.1 Crop coefficient of vegetation-covered areas in Lake Baiyangdian

3.4 植被覆盖区蒸散与水面蒸发比的季节性变化特征

由于蒸散速率对应范围的植被覆盖率未知，前人通常定义蒸散蒸发比，即生态系统的蒸散速率与水面蒸发速率的比值^[47-48]。为了便于确定纯植被覆盖区的蒸散速率，本文定义植被覆盖区蒸散与水面蒸发比即植被覆盖区蒸散速率与水面蒸发速率的比值，ET_c/E_w。在整个生长季，平均比值为2.70。如图10所示，4—5月比值从1.78逐渐增大至2.79，平均值为2.27，该时段植被基本处于生长季前期和快速生长阶段，植被生长需水量增加迅速，且植被覆盖区蒸散速率增长速率显著高于水面蒸发速率增长速率；6—9月比值从2.80缓慢波动上升至3.24，上升速率小于4—5月，平均值为2.85，该时段植被基本处于快速生长阶段后期和成熟阶段，且蒸发速率与植被覆盖区的蒸散速率变化趋势较为一致；进入10月比值出现下降趋势，尤其是10月中旬后比值从10月15日的3.05迅速下降至10月31日的2.38，该时段植被进入衰败阶段。

4 结论

1）白洋淀典型区域涡度协方差系统测得的2022年生长季实际蒸散量为1445 mm，而基于蒸发池获得的无植被区水面蒸发量仅为690 mm。根据涡度协方差系统，足迹范围内水生植被覆盖率为65%，分离计算获得植被覆盖区的蒸散量为1843 mm，是水面蒸发量的2.7倍。

2）气温、净辐射、饱和水汽压差、相对湿度对水面蒸发速率的控制作用明显，而对植被覆盖区蒸散速率的控制作用较弱。植被覆盖区蒸散速率与NDVI在月尺度上具有较强相关性，表明植被覆盖区蒸散速率主要受植被生长控制。

图10生长季期间水面蒸发速率、植被覆盖区蒸散速率（ET_c）和ET_c/E_w的变化

Fig.10Changes in water surface evaporation rate (E_w) and evapotranspiration rate in vegetation-covered areas (ET_c) and the ET_c/E_w during the growing season

3）根据植被覆盖区蒸散速率变化，将生长阶段分为植被生长季前期（4月1日-5月18日）、快速生长阶段（5月19日-6月24日）、植被成熟阶段（6月25日-9月30日）和植被衰败阶段（10月1日-10月31日），4个阶段的K_c分别为1.01、1.77、1.74和1.80。

本文通过对涡度协方差系统测得的蒸散速率进行拆分，获得了植被覆盖区蒸散速率。后续可以考虑芦苇棵间密度情况及棵间水面蒸发，精确获得植被蒸腾速率；也可以考虑白洋淀其他部位植被覆盖情况，将本文获得的植被覆盖区蒸散速率用于准确估算白洋淀水量平衡。

图1研究区位置图（a）；监测区域吉林一号卫星影像图（b）；涡度协方差系统监测塔（c）

Fig.1Location of the study area (a) ; The Jilin-1 satellite image of the monitored area (b) ; The eddy covariance system monitoring tower (c)

下载: 全尺寸图片

图2涡度监测塔4—10月风向玫瑰图

Fig.2Wind rose of vorticity monitoring tower from April to October

下载: 全尺寸图片

图3春季（a）、夏季（b）和秋季（c）通量源区范围

Fig.3Range of flux source regions in spring (a) , summer (b) and autumn (c)

下载: 全尺寸图片

图4植被生长季内蒸散速率（ET）、水面蒸发速率（E_w）和植被覆盖区蒸散速率（ET_c）的时间序列

Fig.4Time series of evapotranspiration rate (ET) , water surface evaporation rate (E_w) and evapotranspiration rate in vegetation-covered areas (ET_c) during vegetation growth season

下载: 全尺寸图片

图5白洋淀蒸散速率（ET）月均值

Fig.5Comparison of monthly average evapotranspiration rate (ET) in Lake Baiyangdian

下载: 全尺寸图片

图620 m²蒸发池与E601蒸发皿日蒸发速率的时序数据（a）及相关性（b）

Fig.6Time series data (a) and correlation analysis (b) of 20 m² evaporation pool and E601 evaporation pan

下载: 全尺寸图片

图7白洋淀估算植被蒸腾量

Fig.7Estimated monthly vegetation transpiration amount in Lake Baiyangdian

下载: 全尺寸图片

图8水面蒸发速率（E_w）、植被覆盖区蒸散速率（ET_c）与气象因素的小波相干谱

Fig.8Wavelet coherence spectra of water surface evaporation rate (E_w) , evapotranspiration rate in vegetation-covered areas (ET_c) and meteorological factors

下载: 全尺寸图片

图9植被覆盖区蒸散速率（ET_c）与月均NDVI的相关性分析

Fig.9Correlation analysis between evapotranspiration rate in vegetation-covered areas (ET_c) and NDVI

下载: 全尺寸图片

图10生长季期间水面蒸发速率、植被覆盖区蒸散速率（ET_c）和ET_c/E_w的变化

Fig.10Changes in water surface evaporation rate (E_w) and evapotranspiration rate in vegetation-covered areas (ET_c) and the ET_c/E_w during the growing season

下载: 全尺寸图片

表1白洋淀水生植被覆盖区作物系数

下载: 全尺寸图片

图1研究区位置图（a）；监测区域吉林一号卫星影像图（b）；涡度协方差系统监测塔（c）

Fig.1Location of the study area (a) ; The Jilin-1 satellite image of the monitored area (b) ; The eddy covariance system monitoring tower (c)

图2涡度监测塔4—10月风向玫瑰图

Fig.2Wind rose of vorticity monitoring tower from April to October

图3春季（a）、夏季（b）和秋季（c）通量源区范围

Fig.3Range of flux source regions in spring (a) , summer (b) and autumn (c)

图4植被生长季内蒸散速率（ET）、水面蒸发速率（E_w）和植被覆盖区蒸散速率（ET_c）的时间序列

Fig.4Time series of evapotranspiration rate (ET) , water surface evaporation rate (E_w) and evapotranspiration rate in vegetation-covered areas (ET_c) during vegetation growth season

图5白洋淀蒸散速率（ET）月均值

Fig.5Comparison of monthly average evapotranspiration rate (ET) in Lake Baiyangdian

图620 m²蒸发池与E601蒸发皿日蒸发速率的时序数据（a）及相关性（b）

Fig.6Time series data (a) and correlation analysis (b) of 20 m² evaporation pool and E601 evaporation pan

图7白洋淀估算植被蒸腾量

Fig.7Estimated monthly vegetation transpiration amount in Lake Baiyangdian

图8水面蒸发速率（E_w）、植被覆盖区蒸散速率（ET_c）与气象因素的小波相干谱

Fig.8Wavelet coherence spectra of water surface evaporation rate (E_w) , evapotranspiration rate in vegetation-covered areas (ET_c) and meteorological factors

图9植被覆盖区蒸散速率（ET_c）与月均NDVI的相关性分析

Fig.9Correlation analysis between evapotranspiration rate in vegetation-covered areas (ET_c) and NDVI

图10生长季期间水面蒸发速率、植被覆盖区蒸散速率（ET_c）和ET_c/E_w的变化

Fig.10Changes in water surface evaporation rate (E_w) and evapotranspiration rate in vegetation-covered areas (ET_c) and the ET_c/E_w during the growing season

表1白洋淀水生植被覆盖区作物系数

图1研究区位置图（a）；监测区域吉林一号卫星影像图（b）；涡度协方差系统监测塔（c）

Fig.1Location of the study area (a) ; The Jilin-1 satellite image of the monitored area (b) ; The eddy covariance system monitoring tower (c)

图2涡度监测塔4—10月风向玫瑰图

Fig.2Wind rose of vorticity monitoring tower from April to October

图3春季（a）、夏季（b）和秋季（c）通量源区范围

Fig.3Range of flux source regions in spring (a) , summer (b) and autumn (c)

图4植被生长季内蒸散速率（ET）、水面蒸发速率（E_w）和植被覆盖区蒸散速率（ET_c）的时间序列

Fig.4Time series of evapotranspiration rate (ET) , water surface evaporation rate (E_w) and evapotranspiration rate in vegetation-covered areas (ET_c) during vegetation growth season

图5白洋淀蒸散速率（ET）月均值

Fig.5Comparison of monthly average evapotranspiration rate (ET) in Lake Baiyangdian

图620 m²蒸发池与E601蒸发皿日蒸发速率的时序数据（a）及相关性（b）

Fig.6Time series data (a) and correlation analysis (b) of 20 m² evaporation pool and E601 evaporation pan

图7白洋淀估算植被蒸腾量

Fig.7Estimated monthly vegetation transpiration amount in Lake Baiyangdian

图8水面蒸发速率（E_w）、植被覆盖区蒸散速率（ET_c）与气象因素的小波相干谱

Fig.8Wavelet coherence spectra of water surface evaporation rate (E_w) , evapotranspiration rate in vegetation-covered areas (ET_c) and meteorological factors

图9植被覆盖区蒸散速率（ET_c）与月均NDVI的相关性分析

Fig.9Correlation analysis between evapotranspiration rate in vegetation-covered areas (ET_c) and NDVI

图10生长季期间水面蒸发速率、植被覆盖区蒸散速率（ET_c）和ET_c/E_w的变化

Fig.10Changes in water surface evaporation rate (E_w) and evapotranspiration rate in vegetation-covered areas (ET_c) and the ET_c/E_w during the growing season

表1白洋淀水生植被覆盖区作物系数

Baldocchi D, Falge E, Gu LH et al. FLUXNET: A new tool to study the temporal and spatial variability of ecosystem-scale carbon dioxide,water vapor,and energy flux densities. Bulletin of the American Meteorological Society,2001,82(11):2415-2434. DOI:10.1175/1520-0477(2001)0822415:fantts＞2.3.co;2.

Liu D, Li J, Yu Qiang et al. Energy balance closure and its effects on evapotranspiration measurements with the eddy covariance technique in a cropland. Acta Ecologica Sinica,2012,32(17):5309-5317. DOI:10.5846/stxb201201220123.[刘渡, 李俊, 于强等. 涡度相关观测的能量闭合状况及其对农田蒸散测定的影响. 生态学报,2012,32(17):5309-5317.]

Hu YK, Zhao ZH, Xiang WH. Characteristics of evapotranspiration from Chinese fir plantation in Huitong based on eddy covariance method and a comparison with Penman-Monteith method. Chinese Journal of Ecology,2023,42(9):2266-2275. DOI:10.13292/j.1000-4890.202309.013.[胡宇科, 赵仲辉, 项文化. 基于涡度相关法的会同杉木林蒸散特征及与彭曼联合法对比. 生态学杂志,2023,42(9):2266-2275.]

Baldocchi DD, Xu LK, Kiang N. How plant functional-type,weather,seasonal drought,and soil physical properties alter water and energy fluxes of an oak-grass savanna and an annual grassland. Agricultural and Forest Meteorology,2004,123(1/2):13-39. DOI:10.1016/j.agrformet.2003.11.006.

Wen YQ, Yang J, Shang SH. Analysis on evapotranspiration and water balance of cropland with plastic mulch in arid region using dual crop coefficient approach. Transactions of the Chinese Society of Agricultural Engineering,2017,33(1):138-147. DOI:10.11975/j.issn.1002-6819.2017.01.019.[文冶强, 杨健, 尚松浩. 基于双作物系数法的干旱区覆膜农田耗水及水量平衡分析. 农业工程学报,2017,33(1):138-147.]

Yu WY, Ji RP, Jia QY et al. Evapotranspiration estimation of phragmites Australis wetland in the Liaohe River delta bases on the improved dual coefficient method. Acta Ecologica Sinica,2020,40(1):325-335. DOI:10.5846/stxb201810272317.[于文颖, 纪瑞鹏, 贾庆宇等. 基于改进的双作物系数法估算辽河三角洲芦苇湿地蒸散量. 生态学报,2020,40(1):325-335.]

Gao YL, Liu JB, Liu WY et al. Analysis of drought in the oasis of Southern Xinjiang based on the hybrid linear dual source remote sensing evapotranspiration model. Agricultural Research in the Arid Areas,2019,37(6):231-237. DOI:10.7606/j.issn.1000-7601.2019.06.33.[高瑜莲, 柳锦宝, 柳维扬等. 基于混合型线性双源遥感蒸散模型的南疆绿洲地区干旱研究. 干旱地区农业研究,2019,37(6):231-237.]

Cui YF, Zhang XQ, Liu YB. Radiative and aerodynamic contribution to evaporation: Eddy-covariance comparison between a plain and a plateau lake. Earth and Space Science,2021,8(10):e2021EA001913. DOI:10.1029/2021EA001913.

Du Q, Liu HZ, Liu Y et al. Factors controlling evaporation and the CO₂ flux over an open water lake in southwest of China on multiple temporal scales. International Journal of Climatology,2018,38(13):4723-4739. DOI:10.1002/joc.5692.

Jing SJ, Xiao W, Wang JY et al. Evaporation variability and its control factors of Lake Taihu from 1958 to 2017,2022,34(5):1697-1711. DOI:10.18307/2022.0522.[荆思佳, 肖薇, 王晶苑等.1958—2017年太湖蒸发量年际变化趋势及主控因子. 湖泊科学,2022,34(5):1697-1711.]

Guo YH, Zhang YS, Ma N et al. Quantifying surface energy fluxes and evaporation over a significant expanding endorheic lake in the central Tibetan Plateau. Journal of the Meteorological Society of Japan Ser II,2016,94(5):453-465. DOI:10.2151/jmsj.2016-023.

Wang BB, Ma YM, Chen XL et al. Observation and simulation of lake-air heat and water transfer processes in a high-altitude shallow lake on the Tibetan Plateau. Journal of Geophysical Research: Atmospheres,2015,120(24):12327-12344. DOI:10.1002/2015JD023863.

Gong ZN, Lu L, Jin DD et al. Remote sensing estimation of evapotranspiration and ecological water demand in Zhalong wetland under land use/cover change. Acta Ecologica Sinica,2021,41(9):3572-3587. DOI:10.5846/stxb202003060431.[宫兆宁, 陆丽, 金点点等. 土地利用/覆被变化扎龙湿地蒸散发量及生态需水量的遥感估算. 生态学报,2021,41(9):3572-3587.]

Qiu MQ, Han M, Jiao CT et al. Estimation of ecological water demand in wetlands in the Yellow River Estuary. Acta Ecologica Sinica,2023,43(21):9096-9105. DOI:10.20103/j.stxb.202210082850.[邱梦琪, 韩美, 焦晨泰等. 黄河口湿地生态需水量估算. 生态学报,2023,43(21):9096-9105.]

Xu SG, Ma T, Wang H. Partitioning of vertical water loss in reed swamp wetlands: Theory,research and application. Science China: Technological Sciences,2012,42(3):325-332. DOI:10.1007/s11431-011-4556-0.[许士国, 马涛, 王昊. 芦苇沼泽湿地蒸散发分离量测方法及应用研究. 中国科学: 技术科学,2012,42(3):325-332.]

Foken T, Wichura B. Tools for quality assessment of surface-based flux measurements. Agricultural and Forest Meteorology,1996,78(1/2):83-105. DOI:10.1016/0168-1923(95)02248-1.

Marc A, Timo V, Dario P. Eddy covariance: A practical guide to measurement and data analysis. Dordrecht: Springer,2012.

马宁. 巴丹吉林沙漠能量分配与湖泊蒸发量的观测研究[学位论文]. 兰州: 兰州大学,2012.

Tyler SW, Kranz S, Parlange MB et al. Estimation of groundwater evaporation and salt flux from Owens Lake, California, USA. Journal of Hydrology,1997,200(1/2/3/4):110-135. DOI:10.1016/s0022-1694(97)00007-3.

Zhou L, Zhou GS, Liu SH et al. Seasonal contribution and interannual variation of evapotranspiration over a reed marsh(Phragmites australis)in Northeast China from 3-year eddy covariance data. Hydrological Processes,2010,24(8):1039-1047. DOI:10.1002/hyp.7545.

Wang XY, Yin DC, Wang YS et al. Research on in situ test of lake evaporation in the Baiyangdian Lake. Hydrogeology & Engineering Geology,2023,50(6):204-212.[王晓燕, 尹德超, 王雨山等. 白洋淀湖泊原位蒸发试验研究. 水文地质工程地质,2023,50(6):204-212.]

Li G, Zhao K, Dong HJ et al. Leakage and evapotranspiration act as two major water losses for the largest lake on North China Plain during water diversion period. Environmental Earth Sciences,2023,82(12):301. DOI:10.1007/s12665-023-10986-0.

Wang KL, Zhao K, Li HT et al. Study on wetland extraction based on the synthetic identification method in the Baiyangdian wetland, Hebei Province. Geoscience,2017,31(6):1294-1300.[王凯霖, 赵凯, 李海涛等. 基于综合识别方法的河北白洋淀湿地提取研究. 现代地质,2017,31(6):1294-1300.]

Tang CH, Chen DM, Yi YJ et al. Effects of ecological water supplement on vegetation dynamics in Lake Baiyangdian wetland. J Lake Sci,2022,34(4):1197-1207. DOI:10.18307/2022.0413.[唐彩红, 陈东明, 易雨君等. 生态补水对白洋淀湿地植被格局的影响. 湖泊科学,2022,34(4):1197-1207.]

Wang YS, Yin DC, Wang XQ et al. Groundwater-surface water interactions in the Baiyangdian wetland, Xiong'an New Area and its impact on reed land. Geology in China,2021,48(5):1368-1381. DOI:10.12029/gc20210504.[王雨山, 尹德超, 王旭清等. 雄安新区白洋淀湿地地表水和地下水转化关系及其对芦苇分布的影响. 中国地质,2021,48(5):1368-1381.]

Zhu JF, Zhou Y, Wang SX et al. Analysis of changes of Baiyangdian wetland from 1975 to 2018 based on remote sensing. Journal of Remote Sensing,2019,23(5):971-986. DOI:10.11834/jrs.20198379.[朱金峰, 周艺, 王世新等.1975年-2018年白洋淀湿地变化分析. 遥感学报,2019,23(5):971-986.]

Yi YJ, Lin CQ, Tang CH. Hydrology,environment and ecological evolution of Lake Baiyangdian since 1960s,2020,32(5):1333-1347,1226. DOI:10.18307/2020.0500.[易雨君, 林楚翘, 唐彩红.1960s以来白洋淀水文、环境、生态演变趋势. 湖泊科学,2020,32(5):1333-1347,1226.]

Zhao JG, Liu CQ, Li HB et al. Review on ecological response of aquatic plants to balanced harvesting. Sustainability,2022,14(19):12451. DOI:10.3390/su141912451.

Zhang DL, Du QJ, Zhang Z et al. Vapor pressure deficit control in relation to water transport and water productivity in greenhouse tomato production during summer. Scientific Reports,2017,7:43461. DOI:10.1038/srep43461.

Baldocchi DD, Hincks BB, Meyers TP. Measuring biosphere-atmosphere exchanges of biologically related gases with micrometeorological methods. Ecology,1988,69(5):1331-1340. DOI:10.2307/1941631.

Zhou L, Zhou GS. Measurement and modelling of evapotranspiration over a reed(Phragmites australis)marsh in Northeast China. Journal of Hydrology,2009,372(1/2/3/4):41-47. DOI:10.1016/j.jhydrol.2009.03.033.

Sottocornola M, Kiely G. Energy fluxes and evaporation mechanisms in an Atlantic blanket bog in southwestern Ireland. Water Resources Research,2010,46(11): W11524. DOI:10.1029/2010WR009078.

Cui YF, Liu YB. Advances in observation and calculation of evaporation. J Lake Sci,2023,35(5):1501-1517. DOI:10.18307/2023.0501.[崔逸凡, 刘元波. 湖泊蒸发观测与计算方法研究进展. 湖泊科学,2023,35(5):1501-1517.]

Chen Z, Huang Y, Ding JS et al. Simulation of urban evapotranspiration considering vegetation coverage. Acta Scientiarum Naturalium Universitatis Pekinensis,2022,58(6):1130-1140. DOI:10.13209/j.0479-8023.2022.097.[陈挚, 黄樱, 丁金山等. 考虑植被盖度的城市蒸散发模拟研究. 北京大学学报: 自然科学版,2022,58(6):1130-1140.]

Kljun N, Calanca P, Rotach MW et al. A simple parameterisation for flux footprint predictions. Boundary-Layer Meteorology,2004,112(3):503-523. DOI:10.1023/B: BOUN.0000030653.71031.96.

Wang YL, Zhang XZ, Qiao GJ. Conversion coefficient analysis of 20 m² evaporation pond and other evaporators for Hebei Plain. Journal of China Hydrology,2012,32(4):58-62.[王永亮, 张学知, 乔光建. 河北省平原区20 m²水面蒸发池与不同型号蒸发器折算系数分析. 水文,2012,32(4):58-62.]

Wang FF. Probe into reduction coefficient of surface water evaporation in damp-heat areas in southwest Yunnan. Pearl River,2009,30(4):8-10.[王凡夫. 滇西南湿热区水面蒸发折算系数初探. 人民珠江,2009,30(4):8-10.]

Liu L, Ye W. Precipitation prediction of time series model based on BP artificial neural network. Journal of Water Resources and Water Engineering,2010,21(5):156-159.[刘莉, 叶文. 基于BP神经网络时间序列模型的降水量预测. 水资源与水工程学报,2010,21(5):156-159.]

易丹辉, 王燕. 应用时间序列分析. 北京: 中国人民大学出版社,2019.

Han PF, Wang XS, Hu XN et al. Dynamic relationship between lake surface evaporation and meteorological factors in Badain Jaran Desert. Arid Zone Research,2018,35(5):1012-1020. DOI:10.13866/j.azr.2018.05.02.[韩鹏飞, 王旭升, 胡晓农等. 巴丹吉林沙漠湖泊水面蒸发与气象要素的动态关系. 干旱区研究,2018,35(5):1012-1020.]

McJannet DL, Webster IT, Cook FJ. An area-dependent wind function for estimating open water evaporation using land-based meteorological data. Environmental Modelling & Software,2012,31:76-83. DOI:10.1016/j.envsoft.2011.11.017.

Penman HL. Natural evaporation from open water,hare soil and grass. Proceedings of the Royal Society of London Series A, Mathematical and Physical Sciences,1948,193(1032):120-145. DOI:10.1098/rspa.1948.0037.

Zhou S, Yu BF, Zhang Y et al. Partitioning evapotranspiration based on the concept of underlying water use efficiency. Water Resources Research,2016,52(2):1160-1175. DOI:10.1002/2015WR017766.

Jalakas P, Takahashi Y, Waadt R et al. Molecular mechanisms of stomatal closure in response to rising vapor pressure deficit. New Phytologist,2021,232(2):468-475. DOI:10.1111/nph.17592.

Lincoln T, Eduardo Z. Plant physiology. Sunderland: Sinauer associates,2015.

Tong JK, Zhao JG, Wang JX et al. Analysis of the characteristics of decomposition release of aquatic plants in Baiyangdian Lake. Journal of Hebei University: Natural Science Edition,2023,43(4):424-431.[佟霁坤, 赵建国, 王军霞等. 白洋淀水生植物腐解释放特征分析. 河北大学学报: 自然科学版,2023,43(4):424-431.]

Crundwell ME. A review of hydrophyte evapotranspiration. Rev Hydrobiol Trop,1986,19(3/4):215-232.

Fatichi S, Pappas C. Constrained variability of modeled T: ET ratio across biomes. Geophysical Research Letters,2017,44(13):6795-6803. DOI:10.1002/2017GL074041.