基于氧同位素的玉米农田蒸散发估算和区分

吴友杰，杜太生

基于氧同位素的玉米农田蒸散发估算和区分

吴友杰1,2，杜太生2※

（1. 湖南农业大学水利与土木工程学院，长沙 410128；2. 中国农业大学中国农业水问题研究中心，北京 100083）

农田蒸散发（evapotranspiration，ET）的估算和区分是土壤-植物-大气连续体中的重要研究内容，是农业水资源高效利用的重要基础。该研究分析了土壤水、蒸发水汽、蒸腾水汽和大气背景混合水汽氧同位素组成分布特征，并采用2种同位素的方法对玉米农田蒸散发进行估算和区分：1）结合Keeling plot和Craig-Gordon模型的同位素方法（Iso-CG）；2）基于土壤水同位素守恒和水量平衡的方法（Iso-WB）。结果表明，在玉米生育期内Iso-WB方法与Iso-CG方法所计算的玉米蒸腾比例分别为0.64～0.91和0.52～0.91，平均值分别为0.80和0.78。玉米蒸散发总量在前期、中期和后期均值分别为3.95、5.30和4.98 mm/d。通过比较参数并与前人研究结果对比分析，表明采用Iso-CG方法估算区分ET相对精确，采用Iso-WB方法计算蒸散发要求的测量精度相对较高，计算误差较大。该研究成果不仅为玉米农田制定灌溉制度及提高用水效率提供了理论依据，而且对深入探索氧同位素水文学领域具有重要意义。

农田；蒸腾；蒸发；氧同位素；玉米

0 引 言

植物蒸散发（evapotranspiration，ET）在土壤-植物-大气连续体中扮演着十分重要的角色，它能反映系统中水分及热量传递等重要信息，它不仅在生态水文学中水量平衡计算方面起重要的意义，而且在植物水动力学和生物化学循环方面具有重要的信息反馈作用[1-5]。

目前，关于ET估算和区分的技术和方法已有大量研究，传统的方法通常是结合水文测定法（如茎流计法）估算植株蒸腾量和其他方法（如蒸渗仪法）测量蒸发量，或者结合涡度相关测量ET和模型模拟、空气动力学法等估算蒸发（）和蒸腾（），从而达到对ET进行分割[6-7]。但这些研究都有其缺点及局限性。如，使用仪器的方法往往在尺度问题上表现出空间局限性，模型的方法虽然在气候年际变化中估算ET有其独特优势，但估算过程中需要对各参数进行修订和实测验证[8]。

利用氢氧稳定性同位素方法研究水分耗散结构是一种较为先进的手段[9-15]。近年来，由于同位素测量技术的高精度性和不易受外界因素干扰等特点，使其在水文水资源、水循环等领域得到了广泛的应用。稳定氢氧同位素贯穿于农田生态系统水分循环的全过程，能够在时空尺度上反映植物水分吸收利用和散失过程对外界环境条件变化的响应，相比传统的水文研究方法，如水量平衡、空气动力学和模型估算等方法，稳定同位素方法的优势主要体现在其精量、精细、精准性及其可控性。可见，利用稳定氢氧同位素方法估算和区分植被蒸散量是一个重要的研究方向[13,16-17]。这将为研究植物耗水机理、节水调控机制及作物高效安全生产提供更可靠的数据支撑和理论依据。

本研究利用氢氧稳定同位素示踪技术，结合水量平衡和同位素守恒的方法，对西北旱区玉米农田蒸散发进行估算并区分，以期为作物绿色高效用水和提高水分生产力提供科学依据和决策参考。

1 研究方法

1.1 研究区概况及试验设计

试验于2015年3—10月甘肃省武威市石羊河实验站进行（37°52' N，102°51' E），该站地处海拔1 581 m，常年干旱少雨，日照时间长，蒸发量大，年均日照时数在3 000 h以上，无霜期150 d以上，水面蒸发量大于2 000 mm，多年平均降雨量仅164.4 mm，属典型温带大陆性干旱气候。年平均气温为8 ℃，大于0 ℃的积温为3 550 ℃以上，地下水埋深30～40 m。试验区耕作层土壤主要为壤土和沙壤土，土壤特性参数详见表1。

试验以当地主要作物玉米为研究对象，采用ECH2O（5TE，Decagon Devices Inc.，Pullman，USA）系统连续监测土壤含水率并用烘干法进行校正，测量深度为5、10、30、60、90 cm。

表1 试验区土壤特性

试验过程中主要采集的样品为水分氢氧同位素样品，主要包括土壤水、植株木质部水和大气水汽，各水分样品具体采集方法如下：用土钻取土，取样深度分别为0～5、>5～10、>10～20、>20～40、>40～60、>60～80、>80～110 cm，将土样分别装入自封袋密封保存，并带回实验室用植物土壤水分真空抽提系统（LI-2000，LICA，China）抽取土壤水样。取植株木质部水样时，为了避免因植物蒸腾引发的同位素分馏作用的影响，采集玉米茎基部不含叶绿素的部分，剪取地表以下5 cm深度的玉米茎部，在玉米各生育期晴天12:00—14:00时段采样；分别装入自封袋密封保存，带回实验室采用植物土壤水真空抽提系统提取植株茎水样。大气水汽样品包括土壤蒸发水汽、植株蒸腾水汽和大气背景混合水汽，采用便携式多通道大气水汽冷阱（AWVCT04，LICA，China）系统收集[13]，如图1所示。将各水汽样品用液氮冷凝法凝结成液态水后收集入样品瓶中，收集过程由流量计控制气体流速。各类样品采样时间集中在5月中旬—8月下旬，每周1～2次，由于需要拟合Keeling曲线，大气水汽样品收集较为频繁，每周4～6次采样。选择玉米各生育期阶段的3～5个晴天进行采集，日变化采集时间为：07:00、09:00、11:00、13:00、15:00、17:00、21:00。本试验研究共计采集同位素样品424个，其中土壤水样品112个，植株水、蒸腾水汽和蒸发水汽各64个，大气背景混合水汽样品120个。

1.背景大气水汽 2.植株蒸腾水汽 3.土壤蒸发水汽 4.输气管 5.塑料薄膜 6.大气水汽冷阱（AWVCT04）

以上采集的各水分样品密封后并保存于冰箱内，温度控制约4℃，以防蒸发和同位素分馏，用液态水同位素分析仪（PICARRO L2130-i，Picarro，USA）测定样品水中的稳定氢氧同位素组成(‰)，同位素组成计算公式如下：

式中sample和standard分别代表样品和标样的氢和氧同位素间的摩尔质量比（18O/16O 或者D/H），测量标准差分别为18O <0.1‰ 和D < 2.0‰。

1.2 模型计算方法

1.2.1 基于大气水分的Keeling Plot方法

1958年Keeling对太平洋沿岸森林和草地生态系统进行了研究[18]，发现 O元素的同位素各自的组成18O与大气中CO2和H2O的摩尔浓度倒数间存在显著的线性变化趋势，并最终得出了 Keeling Plot 曲线原理，构建了二者之间的响应方程：

式中bg为背景混合水汽的同位素组成，‰；δ为冠层某一测量高度的水汽同位素组成，‰；ET为植被蒸散量水汽同位素组成，‰。Q和bg分别是冠层指定测量高度（如1～3 m）的水汽浓度和背景环境水汽浓度，10-6。水汽浓度由水同位素分析仪（PICARRO L2130-i系统）直接测定获取，相关气象因子数据由试验区气象站获得。Keeling plot直线在轴上的截距即为农田地表蒸散水汽同位素组成ET。

Craig和Gordon 于1965年创建的模型用于计算土壤蒸发水汽的同位素组成δ[19]，是基于蒸发使土壤水相变过程中，水和蒸汽混合边界层所发生的氢氧同位素平衡分馏和动力分馏原理，具体方程如下：

式中SL是指土壤蒸发前缘液态水的同位素组成（本研究中取0～5和>5～10 cm土壤水），‰；是指液态水变为气态水过程的平衡分馏系数，具体受土壤温度控制和影响，计算如方程（4）[20-21]；其中，*=1 000(1-1/)；δ是指定的测量高度的水汽同位素组成，‰；为相对湿度，%；ε为动力分馏系数，具体可由方程（5）计算获得[6,20]。

式中D/是指干燥空气中的分子扩散系数比，取值为0.984；是用于衡量蒸发使表层土壤富集重同位素程度的指标，一般也是常数，其值为50.67[6,22]；0为温度，℃。

根据同位素质量守恒应用二源混合模型，将蒸发水汽、蒸腾水汽和蒸散发混合水汽的同位素组成（δ，δ和ET）进行运算即可求得蒸腾比例（F）或蒸发比例（F）。具体方程如下[8,23]：

或

式中、和ET分别为蒸腾、蒸发和蒸散量，mm。

综合，ET可由Keeling plot确定，δ由Craig-Gordon模型计算获取和利用本研究所改进的箱式系统方法直接测量，笔者前期的研究发现箱式系统测定的δ有所偏大，因此，本研究主要采用Craig-Gordon模型计算结果，而箱式系统测定结果可作为对比参考；而蒸腾水汽同位素组成δ可由箱式系统连续测量得到。因此，基于同位素守恒原理，蒸腾比例F或蒸发比例F可由方程（6）求得。为方便表达此方法标记为“K-CG”法。

1.2.2 基于土壤水的同位素质量守恒及水量平衡法

Hsieh等[24]在不考虑深层入渗的情况下，计算了土壤蒸发量和植株蒸腾量。假设了以下条件：忽略土壤水的侧向运动；雨水和灌溉水的同位素值与刚进入土壤的水同位素值相同；土壤水为活塞式入渗。采用土壤水同位素守恒和水量平衡原理可建立方程求蒸发量和蒸腾量。具体方程如下：

式中表示含量水，mm；为18O值，‰；x=m/总，=、、、、分别表示土壤水的初状态、土壤水末状态、蒸发水、蒸腾水、降水（或灌溉）。系统土壤水的总量视为土壤水初量加降水量。土壤水和降水的氧同位素组成均可以收集水样直接测定，假设蒸发在气−液态18O平衡条件下进行，蒸腾水汽的18O值视为植株茎基部液态水同位素值，可以直接测定获得。蒸发水汽的同位素组成（18O）为

式中α-V为常数，20 ℃时α-V取值1.009 5，当分馏系数变化0.05时，蒸发的比例只改变0.1，所以尽管α-V随温度有所变化，其对最终计算比例影响很小[24-27]。

土壤初末含水率（m、m）采用ECH2O（5TE，Decagon Devices Inc.，Pullman，USA）系统连续监测获得并用取土烘干法进行校正，降水量(m)通过试验区气象站获得。因此，通过该方法可求得ET、m和m，为便于表达，该方法记为“Iso-WB”法。

2 结果与分析

2.1 氧同位素分布特征

图2图为玉米生育期内计算和测定的土壤蒸发水汽（δ）、玉米蒸腾水汽（δ）及背景混合水汽同位素组成（δ）季节变化情况。由图可知，三者的分布规律均不明显，季节变化不显著。土壤蒸发过程水汽中氢氧同位素发生分馏的强度大于植株蒸腾过程水汽同位素分馏的强度，即蒸发过程更易贫化重同位素，使水汽中18O变少。背景混合水汽同位素组成（δ）值介于两者之间，这是因为混合水汽中主要由蒸发和蒸腾水汽组成，外来的水汽成份所占比例较小，其不稳定性主要是因为太阳辐射变化对蒸发的影响较大，而蒸发过程分馏强度较大。在7月中下旬，土壤蒸发水汽（δ）出现下降趋势，主要原因是太阳辐射强度变化使大气水汽浓度变化所引起的[13,27]。但三者相对呈现层状分布，表现为：δ>δ>δ。表明高强度的蒸发和蒸腾使重同位素（18O）富集于叶片表层和表层土壤中，而贫化于蒸腾水汽和蒸发水汽中，影响水汽同位素组成的主要因素是气象因子，如空气湿度、辐射强度等[16,28-29]。

注：E，土壤蒸发水汽同位素；T，玉米蒸腾水汽同位素组成；V，背景水汽同位素组成。下同。

图3为玉米生育期内大气水汽同位素组成与水汽浓度的变化情况，中后期水汽浓度较高，主要是因为中期之后玉米株高较高（约2 m），玉米蒸腾水汽对观测高度的大气水汽影响较大，其水汽主要来源于叶片蒸腾水汽，因此背景大气水汽浓度升高。

图3 大气水汽氧同位素组成与水汽浓度的季节变化

图4为玉米不同生育期采用Keeling plot确定玉米冠层蒸散发水汽同位素组成（ET）。由Keeling plot原理可知，大气中水汽氧同位素组成18O与大气水汽摩尔浓度倒数之间存在较好的线性关系，两者的线性方程与轴的截距即为植被蒸散发水汽的同位素组成ET[18]。各生育期阶段的氧同位素组成和水汽浓度倒数的线性关系见图4，各方程的截距分别为-16.65、-13.26和-14.30，因此玉米3个生育期阶段内的蒸散发水汽同位素组成ET分别为-16.65‰±0.21‰、-13.26‰±0.18‰和-14.30‰±0.17‰。

注(Note)：*，P<0.05

Craig-Gordon模型已被广泛应用于估算土壤蒸发水汽同位素组成[27,29-33]。本研究采用该模型计算结果验证箱式系统测定的蒸发水汽同位素组成。表2为Craig-Gordon模型计算生育期尺度内土壤蒸发同位素组成δE的相关参数及结果。玉米生育期内由模型计算的土壤蒸发同位素组成的季节变化。总体上呈现δ前期较小中后期较大。如6月13日δ为-30.16‰，而7月10日和7月26日，δ值分别为-23.88‰和-23.78‰。

表2 玉米生育期内Craig-Gordon模型参数及土壤蒸发同位素组成

注：，平衡分馏系数；ε*，分馏系数；，相对湿度；ε，动力分馏系数；δ，土壤水同位素组成；δ，大气同位素组成；δ，蒸发同位素组成。

Note:, equilibrium fractionation factor; ε*, fractionation factor;, relative humidity;ε, kinetic fractionation factor;δ, soil water isotope composition；δ, vapor isotope composition；δ, evaporating vapor isotope composition.

2.2 应用稳定同位素方法估算和区分玉米农田蒸散发

2.2.1 基于大气水分的Keeling Plot方法区分ET

采用基于Keeling Plot和Craig-Gordon模型的同位素方法（Iso-CG）对玉米生育期内蒸散发进行估算和区分。图5显示，在玉米生育期尺度和日尺度，Iso-CG方法估算F分布范围为52%～91%，平均值为78%，F随玉米生育期先增后减的趋势，在生育中期达到峰值。在7月5日之前和8月10日之后F值分布偏小，形成这一结果有以下2个可能因素：1）玉米的叶面积指数（leaf area index，LAI）在这2个时期都较小（LAI=0.8～1.7），植株蒸腾量小而土壤蒸发量较大（≈1.2 mm/d）；2）这2个时期内，试验区大风天气频繁（平均风速≈0.78 m/s）导致测量系统内部和外部气流差异大。这2个因素可能很大程度上引起测量系统的局部热流效应从而使测量值δ偏大[13,34]。

图5 玉米蒸腾比例（FT）随生育期的变化

2.2.2基于土壤水的同位素守恒和水量平衡方法估算和区分ET

由于试验区为干旱区，其多年平均降雨量约164 mm，地下水埋藏深度在30～40 m，且每次的降雨和灌溉量均较小，因此，地下水补给量和深层渗漏量可忽略不计。可采用式（7）～式（10）对试验区玉米农田蒸散发进行计算。以玉米根系主要活动所在的土层深度（0～100 cm）为研究对象，以下为不同时期采用此方法计算的结果。

表3显示了采用同位素守恒和水量平衡法（Iso-WB）计算试验区玉米蒸散发的相关参数。选择2次灌溉（6月16日和8月3日）和1次降雨（7月22日）以及7个晴天进行运算，基中灌溉量（m）分别为56和58 mm，降雨量为18 mm。在运算过程中，发现始末状态的土壤水同位素组成（δ和δ）参数较为敏感，尤其是末状态值（δ）对计算结果影响较大，因此在取样时需要大量的重复。此外，尽管是受灌溉和降雨的影响初始和末尾状态各层土壤同位素组成的混合平均值变化较小，其绝对值一般小于0.2‰，如7月22日和8月3日始末土壤水同位素组成分别为-7.43‰、-7.45‰和-7.12‰、-7.17‰，差值分别为0.02‰和0.05‰。这意味着，采用同位素守恒和水量平衡方法计算蒸散发要求的测量精度相对较高，否则计算误差较大。

从表3计算结果中可知，蒸腾比例（F）随玉米生育期的进行变化较大，表现为生育前期蒸腾比例较小，中期较大，到后期缓慢下降的趋势，这一结果与Iso-CG方法的所计算的F趋势较为一致（图5），可判断影响蒸腾比例的主要因素是叶面积指数和太阳辐射。

表3 基于同位素守恒和水量平衡计算蒸散发的参数

注：F为蒸腾比例。=、、、、分别表示土壤水的初状态、土壤水末状态、蒸发水、蒸腾水、降水（或灌溉）。

Note:Fis transpiration fraction.=,,,andare initial soil water, final soil moisture, evaporation, transpiration, rainfall (or irrigation), respectively.

图6显示了采用土壤水同位素守恒和水量平衡法估算的蒸散发随季节变化情况，可见，土壤蒸发量在玉米生育前期较大，平均值约1.03 mm/d（±0.11mm/d），中后期随玉米叶面积指数的增加有所下降，平均值分别为0.83和0.81 mm/d。相反，玉米蒸腾量在前期较小，均值为2.92 mm/d，中、后期较大，平均为4.47 和4.17 mm/d。玉米前期、中期和后期蒸散总量平均值分别为3.95、5.30和4.98 mm/d（±0.15 mm/d）。

图6 基于同位素守恒和水量平衡计算的玉米蒸散发

图7为2种区分ET方法的对比。由图可知，Iso-WB相比基于Iso-CG所计算的蒸腾比例偏大，2种方法计算的蒸腾比例F分别为0.64～0.91和0.52～0.91，平均值分别为0.80和0.78（±0.01）。尤其在玉米生育前期和后期Iso-WB方法计算结果偏大更为突出。如6月8日，玉米处于拔节初期，Iso-WB计算的蒸腾比例F=0.64，而Iso-CG计算的结果F=0.56；8月23日，玉米处于灌浆后期，Iso-WB计算的蒸腾比例F=0.80，而Iso-CG计算的结果F=0.73。

注：Iso-CG，稳定同位素结合Craig-Gordon模型的方法；Iso-WB，基于同位素质量守恒和水量平衡的方法

大量研究结果表明，直接测量的土壤蒸发水汽同位素组成比Craig-Gordon模型计算的值偏大[13,30-31,34-35]，Braud等[30]采用一种密闭控制性实验方法测量非稳定状态下的裸土蒸发水汽同位素组成，测量结果较Craig-Gordon模型计算结果偏大，并指出无论选取怎样的动力分馏系数进行计算，模型计算的结果均比直接测量的小。导致这一结果的主要原因可能是土壤蒸发水汽主要由表层土壤液态水转化而来，其同位素组成受液态水同位素主导，而这一液态水处于土壤表面很薄的土层，其同位素组成波动较大[30-31]。另一个可能的原因是，表层土的18O值和土壤温度进行估算可能会导致δ结果超出合理范围，因为蒸发水汽同位素组成极大程度上受表层土壤温度和土壤液态水同位素组成18O的影响，而这2个因素都较为敏感，此外，有关研究表明土壤表层2 cm处的水分高度富集重同位素[34]，这会导致同位素动力分馏发生紊乱。此外，通过水量平衡方法计算玉米农田蒸发蒸腾总量，对比发现Iso-WB方法估算的ET值有所偏大。前人在该试验区采用不同方法，如涡度相关法和茎流计法等估算玉米农田ET，结果与本研究的Iso-CG方法相接近[13,36]。稳定同位素方法相比传统的水文研究方法，如水量平衡结合茎流计和微型蒸渗仪等方法，稳定同位素方法的优势主要体现在其精度高及其可控性。如本研究采用2种同位素方法的计算精度约为±0.15 mm/d。

可见，结合Craig-Gordon模型的方法（Iso-CG）对作物ET进行区分相比基于土壤水同位素守恒和水量平衡的方法（Iso-WB）估算结果较为准确，Iso-WB计算结果有所偏大，其主要原因可能是：1）试验区土壤的空间变异性和土壤各深度含水率测定的误差，导致采用水量平衡法计算过程存在一定偏差；2）研究0～100 cm深度的土层，可能存在一定的“深层”（大于100 cm）渗漏量，而Iso-WB方法忽略了该渗漏量导致结果偏大；3）计算过程选取的土壤末状态同位素组成参数较为敏感，其对计算结果影响较大；4）Iso-WB方法主要基于土壤水进行研究，各参数对大气环境因子，如大气温度和太阳辐射等的影响考虑较小，因此估算结果随季节变化波动较小。

3 结 论

估算农田蒸散量（evapotranspiration，ET）并将其分割为土壤蒸发（evaporation，）和植株蒸腾（transpiration，）具有重要的意义，但在理论和技术上仍是很大的挑战。本文主要通过结合稳定同位素和微气象的方法，利用测量系统直接连续地测量土壤蒸发水汽、植物蒸腾水汽和大气背景水汽（vapor，）的同位素组成，进而对ET进行估算和区分。具体运用了基于大气水汽的Keeling polt 方法和基于土壤水的同位素守质量恒法2种方法：Iso-CG法，即稳定同位素技术结合Craig-Gordon模型的方法；和Iso-WB法，即基于土壤水同位素守恒和水量平衡的方法。量化了生育期尺度的玉米蒸腾比例F，具体结论如下：

1）3种不同水汽（、和）中18O季节变化规律不明显，但相对呈现现层状分布，表现为δ>δ>δ。表明高强度的蒸发和蒸腾使重同位素（18O）富集于叶片表层和表层土壤中，而贫化于蒸腾水汽和蒸发水汽中，土壤蒸发过程水汽中氢氧同位素发生分馏的强度大于植株蒸腾过程水汽同位素分馏的强度。采用Keeling polt原理估算玉米3个生育期阶段内的蒸发蒸腾水汽同位素组成ET分别为-16.65‰±0.21‰、-13.26‰±0.18‰和-14.30‰±0.17‰。

2）在玉米生育期内Iso-WB方法与Iso-CG方法所计算的玉米蒸腾比例（F，蒸腾量占总蒸散发的比例）分别为0.64～0.91和0.52～0.91，平均值分别为0.80和0.78(±0.01)。Iso-WB方法估算结果偏大，玉米蒸散发总量在前期、中期和后期均值分别为3.95、5.30和4.98 mm/d（±0.15 mm/d）。ET区分结果显示，玉米蒸腾比例随季节变化较大，表现为生育前期蒸腾比例较小，中期较大，到后期缓慢下降的趋势。通过比较参数分析，并与前人研究结果对比讨论，证明采用同位素Keeling plot和Criag-Gordon结合箱式系统方法（Iso-CG）估算区分ET相对较为准确，采用同位素守恒和水量平衡方法（Iso-WB）计算蒸散发要求的测量精度相对较高，计算结果存在一定偏差。

目前采用直接测量的方法确定稳态和非稳态下的植株蒸腾水汽同位素组成和土壤蒸发水汽的同位素组成的研究少有报道，希望将来的研究能够更精确地量化这2个参数。针对测量蒸发水汽同位素组成（δ）的偏差，建议在以后的研究中更多地考虑试验取样过程中的不确定性和精度，比如蒸发前缘水汽同位素组成及所对应的土壤深度和温度。

[1]Dirmeyer P A, Brubaker K L. Characterization of the global hydrologic cycle from a back-trajectory analysis of atmospheric water vapor[J]. Journal of Hydrometeorology, 2007, 8(1): 20－37.

[2]Wang Lixin, Niu Shuli, Good S P, et al. The effect of warming on grassland evapotranspiration partitioning using laser-based isotope monitoring techniques[J]. Geochimica Et Cosmochimica Acta, 2013, 111: 28－38.

[3]Wang Pei, Yamanaka T, Li Xiaoyan, et al. Partitioning evapotranspiration in a temperate grassland ecosystem: Numerical modeling with isotopic tracers[J]. Agricultural and Forest Meteorology, 2015, 208: 16－31.

[4]Newman B D, Wilcox B P, Archer S R, et al. Ecohydrology of water-limited environments: A scientific vision[J]. Water Resources Research, 2006, 42(6): 376－389.

[5]顾哲，袁寿其，齐志明，等. 基于ET和水量平衡的日光温室实时精准灌溉决策及控制系统[J]. 农业工程学报，2018，34(23)：101－108. Gu Zhe, Yuan Shouqi, Qi Zhiming, et al. Real-time precise irrigation scheduling and control system in solar greenhouse based on ET and water balance[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(23): 101－108. (in Chinese with English abstract)

[6]Wei Zhongwang, Yoshimura K, Okazaki A, et al. Partitioning of evapotranspiration using high frequency water vapor isotopic measurement over a rice paddy field[J]. Water Resources Research, 2015, 51(5):3716－3729.

[7]Du Taisheng, Tong Ling, Li Fusheng, et al. Comparison of dual crop coefficient method and Shuttleworth-Wallace model in evapotranspiration partitioning in a vineyard of northwest China[J]. Agricultural Water Management, 2015, 160: 41－56.

[8]Yepez E A, Williams D G, Scott R L, et al. Partitioning overstory and understory evapotranspiration in a semiarid savanna woodland from the isotopic composition of water vapor[J]. Agricultural and Forest Meteorology, 2003, 119(1/2): 53－68.

[9]Lu Xuefei, Liang Liyin, Wang Lixin, et al. Partitioning of evapotranspiration using a stable isotope technique in an arid and high temperature agricultural production system[J]. Agricultural Water Management, 2016: S0378377416302967.

[10]Wang L K, Caylor K, Villegas J C, et al. Partitioning evapotranspiration across gradients of woody plant cover: Assessment of a stable isotope technique[J]. Geophysical Research Letters, 2010, 37(9): L09401.

[11]Wang P, Yamanaka T, Li X Y, et al. Partitioning evapotranspiration in a temperate grassland ecosystem: Numerical modeling with isotopic tracers[J]. Agricultural and Forest Meteorology, 2015, 208: 16－31.

[12]Xu T S, Bateni S, Margulis A, et al. Partitioning evapotranspiration into soil evaporation and canopy transpiration via a two-source variational data assimilation system[J]. Journal of Hydrometeorology, 2016, 17(9): 2353－2370.

[13]Wu Y J, Du T S, Ding R S, et al. Multiple methods to partition evapotranspiration in a maize field[J]. Journal of Hydrometeorology, 2017, 18: 139－149.

[14]Wu Y J, Du T S, Ding R S, et al. An isotope method to quantify soil evaporation and evaluate water vapor movement under plastic film mulch[J]. Agricultural Water Management, 2017, 184: 59－66.

[15]石俊杰，龚道枝，梅旭荣，等. 稳定同位素法和涡度-微型蒸渗仪区分玉米田蒸散组分的比较[J]. 农业工程学报，2012，28(20)：114－120. Shi Junjie, Gong Daozhi, Mei Xurong, et al. Comparison of partitioning evapotranspiration in corn fields by stable isotope method and eddy covariance system and micro-lysimeter method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(20): 114－120. (in Chinese with English abstract)

[16]Wang P, Li X Y, Huang Y M, et al. Numerical modeling the isotopic composition of evapotranspiration in an arid artificial oasis cropland ecosystem with high-frequency water vapor isotope measurement[J]. Agricultural and Forest Meteorology, 2016, 217: 139－148.

[17]吴华武，李小雁，蒋志云，等. 基于 δD 和 δ18O 的青海湖流域芨芨草水分利用来源变化研究[J]. 生态学报，2015，35(24)：8174－8183. Wu Huawu, Li Xiaoyan, Jiang Zhiyun, et al. Variations in water use for achnatherum splendens in Lake Qinghai watershed, based onδD and δ18O[J]. Acta Ecologica Sinica, 2015, 35(24): 8174－8183. (in Chinese with English abstract)

[18]Keeling C D. The concentration and isotopic abundances of atmospheric carbon dioxide in rural areas[J]. Geochimica Et Cosmochimica Acta, 1958, 13(4): 322－334.

[19]Craig H, Gordon L I. Deuterium and oxygen 18 variations in the ocean and the marine atmosphere[C]//Symposium on Marine Geochemistry. 1964.

[20]Cappa C D, Hendricks M B, DePaolo D J, et al. Isotopic fractionation of water during evaporation[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(16): 1301－1310.

[21]Moreira M L, Sternberg L, Martinelli, et al. Contribution of transpiration to forest ambient vapour based on isotopic measurements[J]. Global Change Biology, 1997, 3(5): 439－450.

[22]Kim K, X Lee. Isotopic enrichment of liquid water during evaporation from water surfaces[J]. Journal of Hydrology, 2011, 399(3): 364－375.

[23]Ehleringer J R, Phillips S L, Schuster W S, et al. Differential utilization of summer rains by desert plants[J]. Oecologia, 1991, 88(3): 430－434.

[24]Hsieh J C, Chadwick O A, Kelly E F, et al. Oxygen isotopic composition of soil water: quantifying evaporation and transpiration[J]. Geoderma, 1998, 82(1): 269－293.

[25]Robertson J A, Gazis C A. An oxygen isotope study of seasonal trends in soil water fluxes at two sites along a climate gradient in Washington state (USA)[J]. Journal of Hydrology, 2006, 328(1): 375－387.

[26]Yepez E A, Huxman T E, Ignace D D, et al. Dynamics of transpiration and evaporation following a moisture pulse in semiarid grassland: A chamber-based isotope method for partitioning flux components[J]. Agricultural and Forest Meteorology, 2005,132(3): 359－376.

[27]Wang L X, Caylor K K, Villegas J C, et al. Partitioning evapotranspiration across gradients of woody plant cover: Assessment of a stable isotope technique[J]. Geophysical Research Letters, 2010, 37(9): 232－256.

[28]Hu Z M, Wen X F, Sun X M, et al. Partitioning of evapotranspiration through oxygen isotopic measurements of water pools and fluxes in a temperate grassland[J]. Journal of Geophysical Research: Biogeosciences, 2014. 119(3): 358－372.

[29]Wen X F, Yang B, Sun X M, et al. Evapotranspiration partitioning through in-situ oxygen isotope measurements in an oasis cropland[J]. Agricultural and Forest Meteorology, 2015, 202: 1－8.

[30]Braud I, Biron P, Bariac T, et al, Isotopic composition of bare soil evaporated water vapor. Part I: RUBIC IV experimental setup and results[J]. Journal of Hydrology, 2009, 369(1/2): 1－16.

[31]Haverd V, Cuntz M, Griffith D, et al. Measured deuterium in water vapour concentration does not improve the constraint on the partitioning of evapotranspiration in a tall forest canopy, as estimated using a soil vegetation atmosphere transfer model[J]. Agricultural and Forest Meteorology, 2011, 151(6): 645－654.

[32]Soderberg K, Good S P, Wang L, et al. Stable isotopes of water vapor in the vadose zone: A review of measurement and modeling techniques[J]. Vadose Zone Journal, 2012, 11(3): 215－228.

[33]Zhang C Z, Zhang J B, Zhao B Z, et al. Coupling a two-tip linear mixing model with a δD-δ18O plot to determine water sources consumed by maize during different growth stages[J]. Field Crops Research, 2011,123(3): 196－205.

[34]Dubbert M, Cuntz M, Piayda A, et al. Partitioning evapotranspiration-Testing the Craig and Gordon model with field measurements of oxygen isotope ratios of evaporative fluxes[J]. Journal of Hydrology, 2013, 496: 142－153.

[35]Brunel J P, Walker G, Dighton J, et al. Use of stable isotopes of water to determine the origin of water used by the vegetation and to partition evapotranspiration: A case study from HAPEX-Sahel[J]. Journal of hydrology, 1997,188: 466－481.

[36]Li S, Kang S Z, Li F S, et al. Evapotranspiration and crop coefficient of spring maize with plastic mulch using eddy covariance in northwest China[J]. Agricultural Water Management, 2008, 95(11): 1214－1222.

Estimating and partitioning evapotranspiration of maize farmland based on stable oxygen isotope

Wu Youjie1,2，Du Taisheng2※

(1.&,,410128,; 2.,,100083,)

Evapotranspiration (ET) and its estimation and partition are important research contents in the soil-plant-atmosphere continuum (SPAC), as it provides abundant information about water and heat transfer and plays an important role in the efficient water use in agriculture. The isotopic technique is considered to be an effective method to study it. Here, the isotopic compositions of soil water, evaporated vapor, transpiration vapor and atmospheric background vapor were measured and 2 isotope-based methods (Iso-CG method, isotope combined with the Keeling plot and Craig-Gordon model; and Iso-WB method, combining isotope conservation and water balance) were applied to estimate and partition ET. The study was conducted in 2015 at Shiyanghe Experimental Station of China Agricultural University, Wuwei City, Gansu Province, China (37°52′ N, 102°51′ E). The results showed the transpiration fraction varied from 0.64 to 0.91 by Iso-WB method and 0.52 to 0.91 by Iso-CG method, with a mean of 0.80 and 0.78 (±0.01), respectively, during the entire growing season of maize. However, the results calculated by Iso-WB were overestimated. The mean ET of maize were 3.95, 5.30 and 4.98 mm/d (±0.15 mm/d) during the earlier stage, middle stage and later stage. The results of ET showed that the transpiration rate of maize changed greatly with the seasons, showing a small transpiration rate at the early growth stage, and a slow decline in the later period. The ET determined by Iso-CG method was robust, but there could be some deviation in Iso-WB due to its measurement accuracy was relatively high and the calculation error was large. It indicated that it was relatively accurate to estimate and distinguish ET by using the Keeling plot and Criag-Gordon combined chamber system method. Compared with conventional methods, such as combining hydrometric measurements (e.g., sap flow) to estimate transpiration with other methods (e.g., weighing lysimeter measurements) to measure evaporation, the stable isotope based method had the advantages of high accuracy and controllability. For example, the calculation accuracy of the 2 isotope methods used in this study was about ± 0.15 mm/d. The study results not only provide valuable information for determining irrigation scheduling of maize farmland and improving water-use efficiency, but also have important significance for exploring deeply the field of oxygen isotope hydrology. Meanwhile, the isotope-based method has its limitations compared to other methods of scaling up from leaf level to canopy scale. The sources of error in this isotopic based methods study may come from the variability of isotopic signatures, weather conditions and sample size and time. Therefore, it is still a great challenge in ET estimation and partition. There are very few direct methods to measure isotopic composition of plant transpiration and soil evaporation. We expect that future refinement of methods will allow for accurate and continuous measurement of transpiration and evaporation isotopic composition. For some limitations of determining evaporation isotopic composition, we recommend that field experiments pay particular attention to sampling precision at the evaporation front in the surface soil and temperature.

farmland; transpiration; evaporation; stable oxygen isotope; maize

吴友杰，杜太生. 基于氧同位素的玉米农田蒸散发估算和区分[J]. 农业工程学报，2020，36(4)：127－134. doi：10.11975/j.issn.1002-6819.2020.04.015 http://www.tcsae.org

Wu Youjie, Du Taisheng. Estimating and partitioning evapotranspiration of maize farmland based on stable oxygen isotope[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(4): 127－134. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.04.015 http://www.tcsae.org

2019-07-10

2019-12-10

国家自然科学基金（51725904、51809092）；湖南农业大学自然科学基金（18QN20）

吴友杰，讲师，博士，主要从事作物高效用水及SPAC水分传输过程研究。Email：wuyoujie@hunau.edu.cn

杜太生，教授，博士，主要从事农业节水与水资源高效利用研究。Email：dutaisheng@cau.edu.cn

10.11975/j.issn.1002-6819.2020.04.015

S124+.2

A

1002-6819(2020)-04-0127-08