地理科学进展  2018 , 37 (9): 1159-1170 https://doi.org/10.18306/dlkxjz.2018.09.001

研究综述

估算干旱区地下水依赖型植物蒸散发的White法评述

王平1*, 张学静12, 王田野12, POZDNIAKOV Sergey P3

1. 中国科学院地理科学与资源研究所,陆地水循环及地表过程重点实验室,北京 100101
2. 中国科学院大学,北京 100049
3. 罗蒙诺索夫莫斯科国立大学水文地质系,莫斯科119991

A review of the White method for the estimation of evapotranspiration from phreatophytes in arid areas

WANG Ping1*, ZHANG Xuejing12, WANG Tianye12, POZDNIAKOV Sergey P3

1. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
3. Department of Hydrogeology, Lomonosov Moscow State University, Moscow 119991, Russia

收稿日期: 2018-03-29

修回日期:  2018-06-25

网络出版日期:  2018-09-28

版权声明:  2018 地理科学进展 《地理科学进展》杂志 版权所有

基金资助:  国家自然科学基金项目(41671023,41371059,41571029)国家自然科学基金委员会与俄罗斯基础研究基金会合作交流项目(41811530084,18-55-53025 ГФЕН_а)

作者简介:

作者简介:王平(1979-),男,安徽肥西人,副研,主要从事干旱区地下水与生态水文过程研究,E-mail: wangping@igsnrr.ac.cn

展开

摘要

日尺度上的地下水位波动是干旱区地下水依赖型植物蒸散消耗地下水的直接证据与指示。White通过分析日尺度地下水位波动与植被蒸散之间的关系,提出了利用地下水位观测数据来计算植被蒸散速率的方法,简称White法。该方法由于计算简单,所需数据少,在干旱区河岸林蒸散定量方面得到了广泛的应用。本文通过系统回顾White法的提出、“四大假设条件”及其在实际应用中的不足,梳理了近年来对White法不断修订的总体思路,总结了各种形式White法的特点、使用条件以及存在的主要问题;在此基础上,提出了White法进一步改进的方向。当前,结合地表蒸散发的多尺度观测与模拟,White法不仅可以用来估算区域尺度地下水蒸散,而且能够为定量解析干旱区植物的水分利用来源提供验证与参考。

关键词: 干旱区 ; 地下水依赖型生态系统 ; 蒸散发 ; 水位波动法 ; 给水度

Abstract

Diurnal water table fluctuation is considered the evidence and indicator of groundwater evapotranspiration by phreatophytes in arid areas. Based on the relationship between plant evapotranspiration and diurnal water table fluctuation, White proposed an analytical solution for estimating evapotranspiration rates using groundwater level monitoring data, i.e., the White method. Due to its simplicity and limited data requirements, this method has been widely used to estimate plant evapotranspiration in riparian zones of arid areas. In this article, we first introduced the fundamentals and four assumptions of the White method, and uncertainties that are involved in its application. Then, we reviewed the recent developments in the method, and discussed the main characteristics, limitations, and shortcomings of each modification; on this basis, the principle of further improvement of the White method is proposed. At present, combined with multi-scale observation and simulation of land surface evapotranspiration, the White method can be used not only to estimate regional scale groundwater evapotranspiration, but also to provide a reference for investigating water sources for plant use in arid regions.

Keywords: arid area ; groundwater-dependent ecosystem ; evapotranspiration ; water table fluctuation method ; specific yield

0

PDF (5109KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

王平, 张学静, 王田野, POZDNIAKOV Sergey P. 估算干旱区地下水依赖型植物蒸散发的White法评述[J]. 地理科学进展, 2018, 37(9): 1159-1170 https://doi.org/10.18306/dlkxjz.2018.09.001

WANG Ping, ZHANG Xuejing, WANG Tianye, POZDNIAKOV Sergey P. A review of the White method for the estimation of evapotranspiration from phreatophytes in arid areas[J]. Progress in Geography, 2018, 37(9): 1159-1170 https://doi.org/10.18306/dlkxjz.2018.09.001

1 地下水依赖型植物及其用水策略

全球旱区(dryland)约占陆地总面积的40%~45%(Schimel, 2010; Eamus et al, 2015),该区降水稀少、水资源匮乏、生态环境极其脆弱,对全球变化的响应十分敏感(Rammig et al, 2015)。地下水是旱区重要的水资源,也是影响自然生态系统过程、决定植被群落组成与空间格局的关键因子(许皓等, 2010)。旱区常发育深根系植被,其根系深达地下潜水面,可从潜水含水层及毛细上升区直接提取地下水(图1),并通过调节根系在垂向上的分布来适应干旱环境(Orellana et al, 2012)。Meinzer(1927)在研究地下水与植被间关系时,将这类植物定义为地下水依赖型植物(phreatophytes),意指希腊语的“抽水机式植被(well plant)”,以中国西北干旱区及美国西南半干旱区广泛分布的胡杨(Populus euphratica)和柽柳(Tamarix ramosissima)为代表(Sala et al, 1996; Cleverly et al, 2006; Chen et al, 2008; Wang et al, 2011)。

图1   地下水依赖型植物根系分布及其与地下水关系示意图(修改自Robinson (1958))

Fig.1   Root distribution of phreatophytes and the relationship between roots and groundwater (modified from Robinson (1958))

关于地下水依赖型植物蒸散过程与地下水位动态变化之间关系的研究,可以追溯到20世纪30年代。White(1932)通过野外观测美国犹他州Escalante山谷植被覆盖条件下的潜水蒸发与地下水位日变化过程发现,干旱与半干旱地区地下水依赖型植物在生长季的蒸散过程能引起浅层地下水位的周期性昼夜波动(图2)。这种现象在全球旱区河岸林蒸散与地下水位变化过程研究中已被观测证实(Loheide et al, 2005; Schilling, 2007; Gribovszki et al, 2008; Yin et al, 2013; Wang, Yu et al, 2014; Zhang et al, 2016)。Butler等(2007)Eamus等(2015)认为,地下水位的日波动现象是地下水依赖型植物根系在生长季提取利用地下水的直接证据。近年来,对旱区地下水依赖型植被覆盖区的土壤水动态监测结果表明:在日尺度上,植被蒸散不仅影响浅层地下水位波动,深层土壤水对植被蒸散过程同样存在一个类似的响应过程(Haise et al, 1950; Nachabe et al, 2005)。Gou等(2014)通过对美国加州蓝橡树(Quercus douglasii)的季节性用水规律研究发现,旱区植被用水策略随季节性干、湿变化而变化,植物在湿季主要利用土壤水,而在旱季则依赖于地下水。植被利用水分的这一特点不仅取决于土壤水与地下水条件,同时也与旱区地下水依赖型植物根系所特有的属性密切相关(Orellana et al, 2012)。

图2   基于White假设的植被蒸散过程及其所引起的浅层地下水位动态变化 (修改自Wang, Pozdniakov (2014))

Fig.2   Daily plant transpiration pattern and evapotranspiration (ET)-induced diurnal water table fluctuations based on the White assumptions (modified from Wang, Pozdniakov (2014))

旱区地下水依赖型植物能根据水分条件的变化来调整自身的根系分布形态,从而保证其充分利用深层土壤水与地下水(Mäkelä et al, 2002; Fan et al, 2017; Wang et al, 2018)。具体表现为:在一定的地下水位波动范围内,地下水依赖型植物能够通过调节根系在垂向上的分布来适应环境变化(Naumburg et al, 2005)。已有观测表明,地下水依赖型植物通过根系在垂向的快速生长(最快生长速率可达15 mm/d)来适应水位持续下降的自然环境(Vonlanthen et al, 2010; Orellana et al, 2012)。另一方面,当地下水位抬升时,水位以下部分根系由于缺氧导致呼吸作用受到抑制,从而引起这部分根系死亡(Naumburg et al, 2005)。井家林(2014)徐贵青等(2009)对中国西北干旱区地下水依赖型植物根系的研究同样表明,根系的垂直分布及动态与水环境变化息息相关,而且植物细根具有明显的季节性变化特征(夏延国等, 2015)。

2 White法的基本假设与提出

根据干旱区植被蒸散与地下水位变化两者间的关系(图2),White(1932)提出基于可观测的地下水位日变化过程来定量研究植被蒸散的方法,即White法。该方法由于所需观测项目少、简单易行,因而得到了广泛应用。尤其是近年来,随着自动水位监测技术的发展,地下水位高频率监测已成为可能,而且监测精度也在日益提高(McLaughlin et al, 2011)。在此背景下,基于地下水位动态变化的White法已成为干旱半干旱区潜水蒸发,尤其是河岸林植被蒸散定量研究最常用且行之有效的方法之一(Scanlon et al, 2002; Cuthbert, 2010; Carling et al, 2012)。

White法主要基于以下四点假设:①地下水位的下降仅由植被蒸腾作用引起;②植被蒸腾在夜间0:00-4:00非常微弱,蒸腾量可以忽略不计;③夜间0:00-4:00的地下水平均抬升速率等于当天地下水平均补给速率;④含水层给水度的确定具有代表性和可靠性(White, 1932; Loheide et al, 2005)。在上述四点假设的基础上,White (1932)提出了基于地下水位日变化过程的植被蒸散计算公式:

ET=Sy24r+s(1)

式中:ET为植被蒸散速率(mm/d);Sy为含水层给水度(-);r为夜间0:00-4:00的地下水位平均抬升速率(mm/h),其中24r为地下水位日平均抬升速率(mm/d);s为计算当天24小时地下水位净变化量(水位下降为正,上升为负)(mm/d)(图2)。

由式(1)可以看出,应用White法进行植被蒸散估算只需要野外观测地下水位变化及确定含水层给水度,简单方便,成本低。此外,与利用点尺度的土壤水量平衡与能量平衡计算植被蒸散的方法相比,利用White法计算获得的结果能代表几百甚至上千平方米范围的平均蒸散速率(Healy, 2010)。因此,White法在干旱区依赖于地下水的植被蒸散定量研究中得到广泛应用,如美国肯萨斯州Arkansas河岸带(Butler et al, 2007)、美国怀俄明州Red Canyon Creek流域(Lautz, 2008)、美国新墨西哥州的Rio Grande河岸带(Martinet et al, 2009)、美国加利福尼亚洲Colorado River流域(Zhu et al, 2011)、美国爱荷华州Walnut Creek流域(Schilling, 2007)、中国北方毛乌素沙漠(Cheng et al, 2013)、鄂尔多斯高原典型半干旱流域(Jiang et al, 2017),以及年降水量不足50 mm的中国西北极端干旱区(Wang, Yu et al, 2014; Zhang et al, 2016)。

3 White法的不足与局限性

尽管White法在旱区植被蒸散研究中得到了广泛的应用和检验,但该方法所基于的“四点假设”存在一定的局限性,从而也决定了其在植被蒸散估算上的不确定性。White法的局限性主要表现在以下几个方面:①假定夜间0:00-4:00的地下水位变化速率能代表地下水日平均侧向补给速率。然而,已有研究指出,地下水侧向补给速率在日尺度上随时间发生变化(Troxell, 1936; Gribovszki et al, 2008);因此,利用夜间0:00-4:00地下水位变化速率来代表日平均地下水补给速率可能存在一定的偏差。②给水度是反映含水层释水和储水能力的一项重要指标,它在White法中相当于一个校正系数(Fahle et al, 2014),故其取值准确与否直接关系到植被蒸散定量计算的精度。正如Duke (1972)所指出,含水层给水度是一个动态变化的值,不仅与含水层的岩性与结构相关,而且受到地下水位埋深、地下水位波动幅度及地下水排水时间等显著影响,同时它在时间与空间上存在很大的变异性(Chen et al, 2010)。另外,含水介质储水和释水过程所对应的给水度也有所差异(Acharya et al, 2012; Acharya et al, 2014)。自White法提出之时,如何合理确定含水层给水度就被认为是极为棘手的一个问题(White, 1932)。而在White法实际应用中,给水度的确定也常常是估算植被蒸散的主要误差来源之一(Loheide et al, 2005)。③浅层地下水位动态受植被类型、盖度与长势的影响,在空间上具有很大的差异性(Rosenberry et al, 1997; Martinet et al, 2009)。因此,利用单口观测井的地下水位观测数据来估算区域尺度上的植被蒸散存在一定的不确定性(Wang, Grinevsky et al, 2014)。④20世纪30年代,Blaney等(1930)认为干旱区植被在夜间20:00-次日8:00的蒸散量不足日蒸散总量的6%,尤其在午夜至凌晨期间,植被蒸散几乎为零。然而,随着观测技术的不断进步,近来野外观测发现,某些植物在夜间仍会发生水分流失现象,表明其蒸腾作用并未完全停止(Green et al, 1989; Fisher et al, 2007)。忽略夜间植被蒸腾作用将引起蒸散估算误差,该误差甚至高达25%(Fan et al, 2016)。此外,植物根系夜间生理活动可能将地下水或深层土壤水分提取到浅层土层中,引起土壤水分再分配(Dawson, 1993; Yu et al, 2013; Gou et al, 2014)。因此,假定植物在夜间0:00-4:00的蒸散耗水极其微弱,并在计算过程中忽略这部分耗水,可能导致计算获得的植被蒸散量被低估(Loheide, 2008; Miller et al, 2010)。此外,White法在植被蒸散定量研究的精度还受到地下水位观测仪器误差的影响(Beamer et al, 2013)。

4 White法的主要改进与发展

针对White法所存在的不足,近年来国内外学者先后提出了一系列的改进方法(表1)。改进之后,不仅整体上降低了White法在植被蒸散定量计算上的不确定性,而且在不同程度上也提高了植被蒸散计算的精度。同时,通过改进,White法在植被蒸散估算的时间尺度上得到了拓宽,不仅可以计算小时尺度上的植被蒸散速率(Gribovszki et al, 2008; Loheide, 2008; Yin et al, 2013),而且也可用来估算季节尺度上的植被蒸散量(Wang, Grinevsky et al, 2014)。除此之外,与White法相比,一些改进之后的方法也极大地简化了较为繁琐的计算程序。比如,运用地下水位叠加原理,通过去趋势分析(Loheide, 2008)可以避免计算每天的地下水侧向补给速率,即式(1)中的r。傅里叶变化(Soylu et al, 2012)和统计方差(Wang, Pozdniakov, 2014)的引入,也在很大程度上简化了White法的计算过程。下面将对White法近年来的一些重要改进予以归类与概述。

表1   White法的重要发展阶段及主要贡献

Tab. 1   Key development of the White method and the major contributions

引用文献主要贡献
Blaney等(1930)观测发现夜间8点至清晨8点的蒸散量小于日蒸散总量的6%,尤其午夜至凌晨植被蒸散微弱,为White法“四点假设”的提出提供依据
White (1932)提出了基于地下水位波动日过程的植被蒸散估算方法(即White法)及其“四点假设”
Troxell (1936)指出White法四点假设之一的“地下水补给速率在日尺度上恒定”并不成立,并由此导致White法所估算的植被蒸散存在一定误差
Haise等(1950)观测到植被蒸散同样引起土壤水分的昼夜波动,为后来改进White法以及利用土壤水日波动信息来估算植被蒸散提供基础
Klinker等(1964)观测到河水位与地下水位的昼夜变化具有同步性,为后来利用河水位日波动数据进行河岸林蒸散估算提供基础
Meyboom (1965)提出采用“速效给水度(readily available specific yield)”来替代White法计算公式中的给水度,并建议速效给水度的取值为传统给水度的一半
Reigner (1966)发展了基于河流水位昼夜波动信息的河岸林蒸散估算方法
Gerla (1992)通过确定日尺度上的水位下降与补给速率来估算湿地生态系统蒸散量
Hays (2003)根据地下水位3个特征值,将水位变化日过程划分为两个时段,并分时段求解地下水消耗速率与补给速率,降低了White法计算的不确定性
Engel等(2005)运用地下水位叠加原理,通过引入区域地下水位变化(Δzref)一项,对White法进行改进
Nachabe等(2005)基于White法基本原理,通过计算日尺度上的土壤剖面含水量变化来估算植被蒸散量
Schilling (2007)观测发现草地生态系统覆盖下的地下水位昼夜波动呈阶梯状(stepped pattern),提出了该模式下的草地蒸散估算方法
Gribovszki等(2008)考虑地下水补给速率在小时尺度上的变化,改进White法,并满足小时尺度上的植被蒸散估算
Loheide (2008)引入地下水位变化去趋势分析法,改进White法,允许计算小时尺度上的地下水位变化速率
Soylu等(2012)引入傅立叶变换,建立植被蒸散与地下水位波动振幅之间的线性关系
李洪波等(2012)通过计算相邻两天地下水位恢复的平均速率来确定White法计算公式中的地下水净补给量
Yin等(2013)利用小时尺度的水位变化来代替White法计算公式中的日尺度地下水位净变化量
Wang, Pozdniakov (2014)在Soylu等(2012)改进的基础上,通过建立地下水位日变化统计方差与植被蒸散之间的数学关系来估算植被蒸散
Wang, Grinevsky等(2014)引入地下水位叠加原理,提出了White法形式的季节性地下水位波动法,用于计算生长季植被蒸散量

新窗口打开

4.1 地下水补给速率确定的经验性改进

根据White (1932)假设,植物夜间蒸腾很微弱,对地下水位变化的影响可以忽略。因此,引起夜间水位变化的主要因素是地下水侧向补给。据此假设,可以通过分析夜间的水位变化来确定地下水补给速率r,并以此代表当日地下水平均补给速率。White建议用于确定地下水补给速率的时间窗口(Tr)为0:00-4:00,以该时段内水位变化速率来代表当天的地下水平均补给速率。然而,实际研究发现,地下水补给速率的确定对Tr的选择非常敏感。国内外学者在采用White法进行植被蒸散计算过程中,常常结合研究区实际情况选择不同的Tr,比如,前一天18:00至当天6:00 (Rushton, 1996)、0:00-4:00 (Rushton, 1996)、0:00-6:00 (Loheide, 2008; Zhang et al, 2016)、前一天22:00至当天6:00(Miller et al, 2010)等。

Fahle等(2014)认为,尽量采用长时段的Tr(比如,前一天18:00至当天6:00)和利用多日平均地下水补给速率能有效降低植被蒸散计算的不确定性,并提高其计算精度。Loheide(2008)也持类似观点,但他同时强调在日落后几个小时内,植物根系仍然会从含水层中提取一定数量的地下水,用以补充植物体内白天过度流失的水分。因此,在采用White法计算过程中,应避免对Tr的过度延长。由于Tr的选择具有较大的主观性(Loheide, 2008),李洪波等(2012)推荐利用相邻两天的地下水恢复斜率平均值来代替式(1)中的r,从而减少植被蒸散计算的不确定性。此外,考虑到植物物候随着季节变化(日照和气温等变化)而发生相应变化,因此在整个生长季采用固定的Tr并不合理。本文在前人研究的基础上发现,采用随日出及日落时间变化的动态Tr,能减小Tr选择的主观性,从而具有更广的普适性。

为了避免因选择Tr所带来的植被蒸散定量的不确定性,Dolan等(1984)Hays (2003)先后提出了基于地下水位变化过程线的改进方法。如图3a所示,根据水位变化3个特征值H1H2L1,Hays(2003)将地下水位变化日过程分为两个时段,即水位下降期T1和水位抬升期T2。他假定:①T2时段内的植被蒸散很微弱,其水位变化主要由地下水侧向补给所引起;②T2时段内的平均地下水补给速率能够代表T1时段内的地下水补给速率。基于上述两点假设,Hays(2003)提出了下列形式的植被蒸散计算公式:

ET=SyH1-L1+H2-L1×(T1/T2)(2)

图3   针对地下水补给速率的White法改进示意图(修改自Fahle et al (2014))

Fig.3   Schematic diagram showing the improvement of the White method with regard to groundwater recharge rate (modified from Fahle et al (2014))

式中:H1为前一天最高水位(cm);L1为前一天最低水位(cm);H2为后一天最高水位(cm);T1H1L1之间的时间段(h);T2L1H2之间的时间段(h)。正如Hays(2003)所指出,该方法由于假定T2时段内的植被蒸散为零,因而采用该方法所计算获得的日蒸散量低于实际值。从基本假设与计算原理两个方面来看,该计算公式与White法没有本质的区别,但该方法避免了由于人为选择时间窗口Tr所导致的植被蒸散计算的不确定性。

4.2 地下水动态补给速率方法的提出

Troxell(1936)较早指出,地下水侧向补给速率受观测点至补给边界之间的水力梯度影响。对干旱区河岸带生态系统而言,河流通常是河岸林蒸散耗水的主要甚至唯一补给来源。Klinker等(1964)通过对河岸带地表水与地下水观测发现,河水位与地下水位的昼夜变化具有同步性。但由于观测点及补给边界(如地表河流)的水位在日尺度上均发生变化,且变幅不等,因此地下水补给速率在日尺度上是非恒定的。自Troxell(1936)对“地下水位补给速率在日尺度上恒定不变(White, 1932)”这一假设提出质疑以来,不断有学者探索这一问题,并提出确定地下水补给速率的改进思路,以Gribovszki等(2008)为代表

Butler等(2007)通过野外观测发现,在河岸带植被茂密地区,植物生长季的地下水位存在明显的日尺度波动现象;而距河岸带较远的地方,尽管地下水位长期变化趋势与河岸带一致,但无明显的日尺度波动。受此启发,Loheide(2008)认为河岸带地下水与补给源区地下水的水位具有较为一致的长期变化趋势,亦即是,河岸带地下水位动态是其长期(季节性)相对稳定变化与短期(日尺度)植被蒸散消耗叠加的结果。而植物在日尺度上蒸散消耗地下水引起水位逐渐降低,导致河岸带与补给源区之间的地下水水力梯度也随之变化,进而使得地下水侧向补给速率也具有日尺度上的变化(Gribovszki et al, 2008)。为此,Gribovszki等(2008)提出了地下水动态补给速率推算方法,以满足小时尺度上的植被蒸散估算,下文称之为Gribovszki法。

Gribovszki法的核心是通过水力学法(hydraulic approach)或经验法(empirical approach)来获取在日尺度上变化的地下水侧向补给速率,即图3b中的r(t)。水力学法依托地下水监测网,分析地下水流场及水力梯度变化,以达西定律为依据计算半小时或小时尺度上的植被区地下水流入与流出水量之差,进而获得日尺度上随时间变化的地下水净补给速率r(t)。但是,该方法需要对局部潜水含水层水流系统动态(补给、排泄、流向)及含水层水文地质参数等有相对准确且全面的了解。与White法相比,该方法在计算上需要更多的参数,因而在实际应用中具有一定的局限性(Gribovszki et al, 2008)。为此,Gribovszki等(2008)随后提出了利用单口地下水观测井的水位变化曲线来推算地下水补给速率的经验法。该方法首先计算半小时或小时尺度上的水位变化速率,并挑选其中最大值作为当天最大地下水补给速率(rmax)。然后,将黎明(或黎明前)时段的水位变化速率进行平均,将其平均值作为当天最小地下水补给速率(rmin)。然后,将该日最大(rmax)与最小(rmin)地下水补给速率进行内插,即获得小时尺度上随时间变化的地下水补给速率r(t)。

类似的研究方法还包括Reigner(1966)所发展的基于河流水位昼夜波动的河岸林蒸散估算方法,以及Loheide(2008)所提出的15分钟尺度上的植被蒸散估算方法。其中Loheide(2008)认为,河岸带地下水位变化是局部含水层地下水均衡状态与观测点日尺度植被蒸散耗水相互叠加的结果。他还研究发现,对地下水位进行平滑处理以及稳健回归分析,能有效降低测量误差和异常值的干扰,并在此基础上,将地下水侧向补给速率视为观测井地下水位的函数,并利用去趋势分析法分离植被蒸散引起的水位变化,并进而建立两者间的数学关系。Loheide(2008)的改进方法较早实现了小时尺度上的植被蒸散计算。受其启发,Yin等(2013)提出了另外一种更为简便方法,用来计算小时尺度上的植被蒸散:

ET=Sy×r+(Hi-1-Hi)(3)

式中:Hi-1Hi分别为i-1和i时刻的地下水位(cm)。

4.3 基于水位变化叠加原理的White法发展

干旱区植被蒸散耗水区的水位变化过程线是由地下水侧向补给(水平向)和植被蒸散(垂向)共同作用所形成(Engel et al, 2005; Wang, Grinevsky et al, 2014)。一方面,在植被蒸散影响下,地下水的日间消耗与夜间恢复引起地下水位在日尺度上呈现出近似正弦波曲线特征(Soylu et al, 2012);另一方面,在多日乃至更长时间尺度上,由于地下水的整体补给与消耗大致保持稳定,地下水位呈现出较为一致的变化趋势(Wang, Grinevsky et al, 2014)。因此,如能将地下水位波动信号中的长期趋势与日内短期波动信号区分开来,则可根据后者来估算地下水日蒸散量。这种假设就是地下水研究中被广泛采用的水位变化叠加原理,其核心是假定水平向水文过程(侧向补给)与垂向水文过程(植被蒸散)两者之间互不影响(Wang, Grinevsky et al, 2014)。

基于水位变化叠加原理,Loheide(2008)首次将去趋势分析引入到地下水位动态数据分析中。他认为,地下水位变化的长期趋势反映地下水侧向补给过程,而去趋势之后的周期性水位变化则反映日尺度上的植被蒸散过程。据此,Soylu等(2012)运用傅里叶变换方法对去趋势之后的水位变化过程线进行拟合。如图3c所示,地下水位随时间的变化率h(t)可以表示为:

ht=A×t+D+B×sin2πt+E24(4)

式中:A为地下水位多日变化斜率(cm/d);t为时间(d);D为地下水位变化平均偏差(cm);B表示所拟合正弦曲线的振幅(cm);E是昼夜信号相位(d)。

由式(4)可以看出,A×t+D表示地下水位的长期变化趋势项,而后面正弦项则代表去趋势之后的日尺度地下水位波动。如图3c所示,日尺度植被蒸散所引起的地下水位最大变幅为2B,该值反映了植被蒸散能力的强弱。但值得注意的是,A×t+D同时包含了由植被蒸散所引起的水位下降,因此仅考虑地下水位最大变幅2B将低估实际蒸散量。为此,Soylu等(2012)引入系数k用于校正这一偏差,从而得出:

ET=Sy×k2B(5)

式中:k是太阳辐射的函数,可以近似由晴空辐射计算得到,或者近似设置为1.9(Soylu et al, 2012)。

与传统White法不同,Soylu等(2012)所提出的基于傅里叶变换的改进方法,其核心是运用地下水流系统叠加原理提取由植被蒸散所引起的地下水位变化,并进而建立植被蒸散与地下水位日波动振幅之间的数学关系。该方法的显著优点是无需确定地下水侧向补给速率。然而,首先,这一方法不能完整地刻画由蒸散所引起的地下水位连续变化过程;其次,相比White法,计算过程更为复杂。针对上述问题,Wang, Pozdniakov(2014)提出采用地下水位日波动统计方差来替代地下水位日波动振幅的改进思路,其计算公式为:

ET=SyZSDλ(6)

式中:ZSD为去趋势之后的水位变化方差(cm);λ是与大气蒸发能力日内分布形态相关的系数(Wang, Pozdniakov, 2014)。

Soylu等(2012)所提出的改进思路类似,Wang, Pozdniakov(2014)所提出的计算公式避免了直接计算地下水侧向补给所引起的水位变化速率,减少了White法及其改进方法的计算结果不确定性。同时,该方法又有别于Soylu等(2012)的方法,主要表现在两个方面:一是该方法考虑了地下水位连续变化过程;二是该方法以水位波动统计特征为基础,能够计算不同时间尺度(日、周、月)的植被蒸散量,保证计算更加简便,结果更为稳定。

4.4 基于季节性水位变化特征的White法拓展

Engel等(2005)发现,在生长季,木本植被覆盖区极易观测到地下水位昼夜波动,而邻近的草地却难以观测到该现象。这在以地下水为主要水源的河岸林系统中表现得尤为明显,即在空间上,地下水位随着离河道距离的增加而逐渐下降,植物种类由木本逐渐向草本演变,同时盖度减小,蒸散减弱(Elmore et al, 2006; Yue et al, 2016)。除植被类型影响地下水位动态之外,气象条件以及含水层介质特性也是影响地下水位波动的重要因素(Loheide et al, 2005; Butler et al, 2007; Yue et al, 2016)。比如,在生长季初期与末期,由于大气蒸发能力微弱,地下水波动信号同样不显著;相同植被蒸散强度下,含水层介质越粗,即含水层给水度越大,地下水位波动幅度也越小。因此,在植被覆盖度低、植物生长季初期或末期,以及粗介质含水层条件下,由于地下水位日波动信号微弱,White法将不再适用。

针对上述问题,Wang, Grinevsky等(2014)提出了利用季节性地下水位波动信息来估算植被蒸散的解决思路。该方法主要基于以下假设:地下水流滞缓,不存在人类活动、降水、河道间歇性过水等因素引起的水位波动;侧向补给和排泄微弱且在计算时段内恒定;垂向潜水蒸发是引起地下水位缓慢下降的最主要影响因素。该方法利用单井地下水位连续观测资料,选择植物生长季内具有稳定地下水位下降速率的某一时段地下水动态数据来计算该时段内植被蒸散平均强度(图4)。计算公式如下:

ET=Syzt=SyH-ht(7)

式中:ΔH为Δt时段内地下水位总变化值(cm);Δh为Δt时段内地下水侧向径流所引起的潜水位变化(cm);Δz为Δt时段内垂向蒸散所引起的水位变化(cm)。

图4   基于单井地下水位动态资料计算植被蒸散示意图 (修改自Wang, Grinevsky et al (2014))

Fig.4   Calculation of evapotranspiration from phreatophytes using groundwater level records (modified from Wang, Grinevsky et al (2014))

该方法应用的先决条件是地下水侧向补给速率在植物生长季内基本保持不变,主要适用于降水稀少、地下水侧向径流条件相对稳定的干旱区。比如,Wang, Grinevsky 等(2014)曾运用该方法计算了中国西北极端干旱区黑河下游胡杨和柽柳林地的蒸散发。通过对单井地下水位动态资料分析发现,胡杨和柽柳林地的地下水位在生长季节均出现平稳下降的趋势,而且地下水侧向补给速率在生长季前期与末期较为一致,满足该方法的适用条件。采用该方法所计算获得的植被蒸散速率与通过其他方法所获得的结果较为一致。

Wang, Grinevsky等(2014)所提出的改进思路拓宽了地下水位波动法在不同水文、土壤与植被条件下的干旱区植被蒸散定量研究中的应用。该方法简单且观测成本低,适用于干旱与半干旱地区依赖于地下水的植物蒸散估算。然而,该方法的适用条件太过单一,与实际自然环境相差太大;且地下水侧向补给速率与时间有关,存在一定的不确定性。为此,Wang, Grinevsky等(2014)建议通过建立地下水监测站网,准确定量地下水侧向补给速率,从而提高该方法在实际应用中的可靠性。

4.5 针对含水层给水度的改进

给水度是指饱和多孔介质在重力作用下自由排出的水体积与多孔介质的体积之比(Johnson, 1967),是反映含水介质释水和储水能力的一项重要指标。给水度不仅与含水介质的性质和结构(如土壤质地、孔隙度等)有关,而且受到排水时间、水位埋深及水位变幅的影响(Johnson, 1967; Cheng et al, 2013)。由于White法分析的是日尺度地下水位变化,排水时间短,从而导致日尺度上的给水度偏小。比如,Meyboom(1965)发现采用White法估算得到的给水度仅为其实际值的50%。Martinet等(2009)同样发现,尽管White法采用实际给水度计算得到的ET与涡动相关观测到的ET具有很好的相关关系,但是前者明显大于后者。为此,Meyboom(1965)提出以传统给水度的一半作为White法的给水度,并称之为“速效给水度(readily available specific yield)”。

然而,由于不同质地土壤释水速率存在差异,比如砂土释水要快于黏土;另外,由于潜水含水层上部与毛管水带相连接,地下水位变化在一定程度上影响毛管水带释水与储水过程,进而影响给水度的动态变化(Nachabe, 2002; Orellana et al, 2012)。因此,Meyboom(1965)提出的方法过于经验性,在实际运用中存在一定局限。鉴于此,Loheide等(2005)进一步发展了速效给水度的定量方法。他将研究时间尺度限制在12小时,并利用数值模拟方法,定量分析了土壤质地、地下水位埋深等因素对给水度的影响,并针对不同情景给出了速效给水度的确定方法。例如,当地下水埋深超过1 m时,速效给水度主要取决于土壤质地,如图5所示。当地下水埋深小于1 m时,可以根据Nachabe(2002)所提出的方法进行计算。此外,含水介质在储水和释水过程由于孔隙气压等因素影响,其对应的给水度通常存在一定的差异。目前所定义的给水度一般针对释水过程的水量变化,严格来说,该给水度有别于含水层储水过程单位水头上升时所需水量(Nachabe, 2002)。针对这一问题,Nachabe(2002)Acharya等(2012)运用储水系数和释水系数的概念,对储水与释水相反过程下的给水度分别给出了相应解析解。以此为基础,Acharya等(2014)将White方法扩展到降雨情境下的植被蒸散计算上。

图5   根据土壤质地确定速效给水度的三角坐标图解法 (修改自Loheide et al (2005))

Fig.5   Trilinear diagram for estimating readily available specific yield based on sediment texture (modified from Loheide et al (2005))

针对传统给水度计算过程中忽略了毛管作用储存水量的问题,Crosbie等(2005)基于包气带土壤水分运动过程分析,建立了给水度Sy与完全给水度Syu、土壤水分特征曲线van Genuchten模型参数αn,以及潜水面埋深变化之间的关系:

Sy=Syu-Syu1+αzi+zf2n1-1n,Syu=θs-θr(8)

式中:θs为饱和含水率(cm3/cm3);θr为残留含水率(cm3/cm3);zi为潜水位起始埋深(cm);zf为潜水位终止埋深(cm);αn为相应的经验常数。与之前的给水度确定方法相比,Crosbie等(2005)所提出的方法考虑了地下水位埋深变化以及包气带水分运移的影响,不仅具有很强的物理机制,而且计算简便,在实践中得到了广泛应用(Wang, Grinevsky et al, 2014; Wang, Pozdniakov, 2014)。

除了上述提及的理论方法外,借助一些实验手段或经验方法也可有效获取含水层给水度。例如,Cheng等(2013)通过野外采集样品进行室内排水实验,将24小时内单位水头变化引起的单位面积土柱水分变化作为给水度。但是,该方法由于野外采样困难,而且样品采集过程对土壤性状可能产生较大扰动,仅适用于比较均匀且各向同性的沙质土壤(Loheide et al, 2005)。Miller等(2010)利用水量平衡推算出干旱期(无降水)地下水蒸散速率,并根据White法反推出含水层给水度。这种方法为岩性复杂的碎屑岩类含水层或裂隙含水层给水度的计算提供了思路。Gerla(1992)则提出根据降水入渗速率与水位抬升的比值来确定给水度,该方法随后也被其他研究所采用。然而,该方法要求降水的湿润锋面必须能够到达地下水面,仅适用于地下水位埋深浅、包气带含水量高且土质均匀的湿润区,而对包气带厚度较大的地区则不适用。

5 研究展望

根据日尺度地下水位变化与植被蒸散之间的关系,White(1932)提出了利用单井地下水位观测数据来计算植被蒸散的研究方法。该方法具有物理机制,所需参数少,计算简便,而且野外观测成本低,因此得到了广泛的应用。然而,随着对植被蒸散过程认识的不断深入以及观测技术手段的不断发展,White法应用的“四大假设”条件在近年来受到了质疑。围绕“四大假设”所开展的White法改进已成为定量研究干旱区地下水依赖型植物蒸散的热点。其中,以地下水位叠加原理(Wang, Grinevsky et al, 2014)为理论基础的去趋势分析方法(Loheide, 2008)为White法改进提供了新的思路。在此基础上所发展的基于傅里叶变化(Soylu et al, 2012)和统计方差(Wang, Pozdniakov, 2014)的两种新方法,避免直接计算地下水侧向补给速率,降低了计算结果的不确定性。当前,随着地下水观测技术的发展,运用高频地下水位观测数据(15分钟或30分钟一次)已可以计算小时尺度上的蒸散速率(Gribovszki et al, 2008; Yin et al, 2013)。与此同时,在地下水位日波动信号较弱的情况下,类似于White假设的季节性地下水位波动法则拓展了White法的运用条件(Wang, Grinevsky et al, 2014)。

尽管White法在近年来得到了进一步完善与发展,但是该方法基于单口观测井的地下水位观测资料分析。对于一个完整的河岸带生态系统而言,其地下水位在日尺度上的波动幅度与特征存在很大的空间差异性,而单口观测井的地下水位动态变化或许难以代表整个生态系统下的平均水平。因此,在定量区域尺度的植被蒸散时,该方法的应用可能导致一定的误差。为此,在采用White法进行干旱区植被蒸散研究中,应结合生态系统的整体特征以及水文地质条件,合理布设地下水监测网,降低利用单口观测井的水位资料所可能带来的计算误差。不仅如此,通过综合分析区域气象、土壤、植被条件以及地下水动态观测资料,White法能与地下水—土壤—植物—大气连续体(GSPAC)系统模拟相结合(Eamus et al, 2015; Gou et al, 2015),将点尺度植被蒸散规律应用到区域尺度蒸散估算上(Gou et al, 2014; Niu, Paniconi et al, 2014; Niu, Troch et al, 2014; Yuan et al, 2015; Wang et al, 2018)。

另一方面,干旱区植被蒸散的动力学过程本身极为复杂,由植被蒸散引起的地下水位波动与多种自然环境因素密切相关(Yue et al, 2016),而且上述影响因素在时空尺度上又具有很强的不均匀性和变异性。因此,在利用地下水位波动法进行干旱区植被蒸散定量研究的过程中,需要加强对植被蒸散主要影响因素的同步观测与实验研究。此外,White法最初仅用于估算干旱区地下水依赖型植物蒸散量。若结合水量平衡分析、遥感蒸散定量模型以及其他陆表蒸散发的观测,地下水位波动法可在干旱区蒸散发定量及水分来源研究方面得到进一步发展(Newman et al, 2006; Orellana et al, 2012)。

致谢:感谢中国科学院地理科学与资源研究所于静洁研究员、杜朝阳博士、张一驰博士,以及中国科学院遗传与发育生物学研究所农业资源研究中心闵雷雷博士在本文修改与完善过程中所提出的宝贵意见与建议。

The authors have declared that no competing interests exist.


参考文献

[1] 井家林. 2014.

极端干旱区绿洲胡杨根系空间分布特征及其构型研究

[D]. 北京: 北京林业大学.

[本文引用: 1]     

[Jin J L.2014.

Research on the root system distribution and architecture of Populus euphratica in the extremely arid region

[D]. Beijing, China: Beijing Forestry University.]

[本文引用: 1]     

[2] 李洪波, 侯光才, 尹立河, . 2012.

基于改进White方法的地下水蒸散发研究

[J]. 地质通报, 31(6): 989-993.

[本文引用: 1]     

[Li H B, Hou G C, Yin L H, et al.2012.

Using the improved White method to quantify groundwater evapotranspiration

[J]. Geological Bulletin of China, 31(6): 989-993 .]

[本文引用: 1]     

[3] 夏延国, 董芳宇, 吕爽, . 2015.

极端干旱区胡杨细根的垂直分布和季节动态

[J]. 北京林业大学学报, 37(7): 37-44.

[本文引用: 1]     

[Xia Y G, Dong F Y, Lv S, et al.2015.

Vertical distribution and seasonal dynamics of fine roots in Populus euphratica plantation in the extremely drought area

[J]. Journal of Beijing Forestry University, 37(7): 37-44.]

[本文引用: 1]     

[4] 徐贵青, 李彦. 2009.

共生条件下三种荒漠灌木的根系分布特征及其对降水的响应

[J]. 生态学报, 29(1): 130-137.

[本文引用: 1]     

[Xu G Q, Li Y.2009.

Roots distribution of three desert shrubs and their response to precipitation under co-occurring conditions

[J]. Acta Ecologica Sinica, 29(1): 130-137.]

[本文引用: 1]     

[5] 许皓, 李彦, 谢静霞, . 2010.

光合有效辐射与地下水位变化对柽柳属荒漠灌木群落碳平衡的影响

[J]. 植物生态学报, 34(4): 375-386.

https://doi.org/10.3773/j.issn.1005-264x.2010.04.003      Magsci      [本文引用: 1]      摘要

<FONT face=Verdana>全球气候变化和人类活动的加剧, 正导致古尔班通古特沙漠南缘原始盐生旱生荒漠地区的地下水位发生显著改变。大气污染导致该地区太阳辐射减少。以盐生荒漠建群种多枝柽柳(<EM>Tamarix ramosissima</EM>)为研究对象, 选择地下水位在2.9<I>&#</I>8722;4.5m波动的典型原始生境, 观测了生长期内光合有效辐射和地下水位变化时的光合作用、蒸腾作用和叶水势等生理活动的季节变化, 调查了根系分布特征; 并利用涡度相关系统测定了生态系统碳水通量, 估算群落碳同化能力、蒸腾耗水量与叶面积指数的季节变化, 旨在揭示光合有效辐射和地下水位等环境因素对柽柳属(<EM>Tamarix</EM>)荒漠灌木群落光合作用的影响。研究结果表明: 降水造成的潜土层水分状况变化对多枝柽柳的碳平衡没有显著影响。深根系与气孔调节是多枝柽柳碳平衡适应荒漠环境水分状况的两个关键机制。特殊的气孔行为体现了多枝柽柳以高水分消耗为代价将其碳获取最大化的适应对策; 多枝柽柳生理与群落尺度的水分平衡和碳获取均依赖于深根系获取的稳定地下水源, 缓和的地下水位波动将不会扰动其现有的碳/水平衡, 地下水位剧烈下降将危及多枝柽柳的生存。此外, 光合有效辐射是另一个主要影响因素, 与群落碳获取呈显著正相关关<BR>系。群落碳同化能力的季节变化是光合有效辐射和地下水位共同影响下光合作用物候学特征的体现。过度开采地下水和直接破坏原生植被的行为, 将会严重地干扰多枝柽柳群落的生存, 进而破坏该区域现有的生态水文过程。</FONT>

[Xu H, Li Y, Xie J X, et al.2010.

Influence of solar radiation and groundwater table on carbon balance of phreatophytic desert shrub Tamarix

[J]. Chinese Journal of Plant Ecology, 34(4): 375-386.]

https://doi.org/10.3773/j.issn.1005-264x.2010.04.003      Magsci      [本文引用: 1]      摘要

<FONT face=Verdana>全球气候变化和人类活动的加剧, 正导致古尔班通古特沙漠南缘原始盐生旱生荒漠地区的地下水位发生显著改变。大气污染导致该地区太阳辐射减少。以盐生荒漠建群种多枝柽柳(<EM>Tamarix ramosissima</EM>)为研究对象, 选择地下水位在2.9<I>&#</I>8722;4.5m波动的典型原始生境, 观测了生长期内光合有效辐射和地下水位变化时的光合作用、蒸腾作用和叶水势等生理活动的季节变化, 调查了根系分布特征; 并利用涡度相关系统测定了生态系统碳水通量, 估算群落碳同化能力、蒸腾耗水量与叶面积指数的季节变化, 旨在揭示光合有效辐射和地下水位等环境因素对柽柳属(<EM>Tamarix</EM>)荒漠灌木群落光合作用的影响。研究结果表明: 降水造成的潜土层水分状况变化对多枝柽柳的碳平衡没有显著影响。深根系与气孔调节是多枝柽柳碳平衡适应荒漠环境水分状况的两个关键机制。特殊的气孔行为体现了多枝柽柳以高水分消耗为代价将其碳获取最大化的适应对策; 多枝柽柳生理与群落尺度的水分平衡和碳获取均依赖于深根系获取的稳定地下水源, 缓和的地下水位波动将不会扰动其现有的碳/水平衡, 地下水位剧烈下降将危及多枝柽柳的生存。此外, 光合有效辐射是另一个主要影响因素, 与群落碳获取呈显著正相关关<BR>系。群落碳同化能力的季节变化是光合有效辐射和地下水位共同影响下光合作用物候学特征的体现。过度开采地下水和直接破坏原生植被的行为, 将会严重地干扰多枝柽柳群落的生存, 进而破坏该区域现有的生态水文过程。</FONT>
[6] Acharya S, Jawitz J W, Mylavarapu R S.2012.

Analytical expressions for drainable and fillable porosity of phreatic aquifers under vertical fluxes from evapotranspiration and recharge

[J]. Water Resources Research, 48(11): W11526.

[本文引用: 3]     

[7] Acharya S, Mylavarapu R, Jawitz J.2014.

Evapotranspiration estimation from diurnal water table fluctuations: Implementing drainable and fillable porosity in the White method

[J]. Vadose Zone Journal, 13(9): 121-150.

[本文引用: 1]     

[8] Beamer J P, Huntington J L, Morton C G, et al.2013.

Estimating annual groundwater evapotranspiration from phreatophytes in the great basin using landsat and flux tower measurements

[J]. Journal of the American Water Resources Association, 49(3): 518-533.

https://doi.org/10.1111/jawr.12058      URL      [本文引用: 1]     

[9] Blaney H F, Taylor C A, Young A A.1930.

Rainfall penetration and consumptive use of water in the Santa Ana River Valley and Coastal Plain[R]. California Department of Public Works: Division of Water Resorces,

Bulletin, No.33.

[本文引用: 1]     

[10] Butler J J, Kluitenberg G J, Whittemore D O, et al.2007.

A field investigation of phreatophyte-induced fluctuations in the water table

[J]. Water Resources Research, 43(2): W02404.

[本文引用: 4]     

[11] Carling G T, Mayo A L, Tingey D, et al.2012.

Mechanisms, timing, and rates of arid region mountain front recharge

[J]. Journal of Hydrology, 428-429(4): 15-31.

[本文引用: 1]     

[12] Chen X H, Song J X, Wang W K.2010.

Spatial variability of specific yield and vertical hydraulic conductivity in a highly permeable alluvial aquifer

[J]. Journal of Hydrology, 388(3-4): 379-388.

https://doi.org/10.1016/j.jhydrol.2010.05.017      URL      [本文引用: 1]     

[13] Chen Y N, Pang Z H, Chen Y P, et al.2008.

Response of riparian vegetation to water-table changes in the lower reaches of Tarim River, Xinjiang Uygur, China

[J]. Hydrogeology Journal, 16(7): 1371-1379.

https://doi.org/10.1007/s10040-008-0306-1      URL      [本文引用: 1]     

[14] Cheng D H, Li Y, Chen X H, et al.2013.

Estimation of groundwater evaportranspiration using diurnal water table fluctuations in the Mu Us Desert, northern China

[J]. Journal of Hydrology, 490(20): 106-113.

https://doi.org/10.1016/j.jhydrol.2013.03.027      URL      [本文引用: 2]     

[15] Cleverly J R, Dahm C N, Thibault J R, et al.2006.

Riparian ecohydrology: Regulation of water flux from the ground to the atmosphere in the Middle Rio Grande, New Mexico

[J]. Hydrological Processes, 20(15): 3207-3225.

https://doi.org/10.1002/(ISSN)1099-1085      URL      [本文引用: 1]     

[16] Crosbie R S, Binning P, Kalma J D.2005.

A time series approach to inferring groundwater recharge using the water table fluctuation method

[J]. Water Resources Research, 41(1): W01008.

[本文引用: 2]     

[17] Cuthbert M O.2010.

An improved time series approach for estimating groundwater recharge from groundwater level fluctuations

[J]. Water Resources Research, 46(9): W09515.

[本文引用: 1]     

[18] Dawson T E.1993.

Hydraulic lift and water use by plants: implications for water balance, performance and plant-plant interactions

[J]. Oecologia, 95(4): 565-574.

https://doi.org/10.1007/BF00317442      URL      [本文引用: 1]     

[19] Dolan T J, Hermann A J, Bayley S E, et al.1984.

Evapotranspiration of a Florida, U.S.A., freshwater wetland

[J]. Journal of Hydrology, 74(3-4): 355-371.

https://doi.org/10.1016/0022-1694(84)90024-6      URL      [本文引用: 1]     

[20] Duke H.1972.

Capillary properties of soils - influence upon specific yield

[J]. Transactions of the ASAE, 15(4): 688-691.

https://doi.org/10.13031/2013.37986      URL      [本文引用: 1]     

[21] Eamus D, Zolfaghar S, Villalobos-Vega R, et al.2015.

Groundwater-dependent ecosystems: Recent insights from satellite and field-based studies

[J]. Hydrology and Earth System Sciences, 19(10): 4229-4256.

https://doi.org/10.5194/hess-19-4229-2015      URL      [本文引用: 3]     

[22] Elmore A J, Manning S J, Mustard J F, et al.2006.

Decline in alkali meadow vegetation cover in California: The effects of groundwater extraction and drought

[J]. Journal of Applied Ecology, 43(4): 770-779.

https://doi.org/10.1111/j.1365-2664.2006.01197.x      URL      [本文引用: 1]     

[23] Engel V, Jobbágy E G, Stieglitz M, et al.2005.

Hydrological consequences of Eucalyptus afforestation in the Argentine Pampas

[J]. Water Resources Research, 41(10): W10409.

[本文引用: 2]     

[24] Fahle M, Dietrich O.2014.

Estimation of evapotranspiration using diurnal groundwater level fluctuations: Comparison of different approaches with groundwater lysimeter data

[J]. Water Resources Research, 50(1): 273-286.

https://doi.org/10.1002/wrcr.v50.1      URL      [本文引用: 4]     

[25] Fan J L, Ostergaard K T, Guyot A, et al.2016.

Estimating groundwater evapotranspiration by a subtropical pine plantation using diurnal water table fluctuations: Implications from night-time water use

[J]. Journal of Hydrology, 542: 679-685.

https://doi.org/10.1016/j.jhydrol.2016.09.040      URL      [本文引用: 1]     

[26] Fan Y, Miguezmacho G, Jobbágy E G, et al.2017.

Hydrologic regulation of plant rooting depth

[J]. Proceedings of the National Academy of Sciences, 114(40): 10572-10577.

https://doi.org/10.1073/pnas.1712381114      URL      [本文引用: 1]     

[27] Fisher J B, Baldocchi D D, Misson L, et al.2007.

What the towers don't see at night: Nocturnal sap flow in trees and shrubs at two AmeriFlux sites in California

[J]. Tree Physiology, 27(4): 597-610.

https://doi.org/10.1093/treephys/27.4.597      URL      [本文引用: 1]     

[28] Gerla P.1992.

The relationship of water-table changes to the capillary fringe, evapotranspiration, and precipitation in intermittent wetlands

[J]. Wetlands, 12(2): 91-98.

https://doi.org/10.1007/BF03160590      URL      [本文引用: 1]     

[29] Gou S, Gonzales S, Miller G R.2015.

Mapping potential groundwater-dependent ecosystems for sustainable management

[J]. Groundwater, 53(1): 99-110.

https://doi.org/10.1111/gwat.2015.53.issue-1      URL      [本文引用: 1]     

[30] Gou S, Miller G.2014.

A groundwater-soil-plant-atmosphere continuum approach for modelling water stress, uptake, and hydraulic redistribution in phreatophytic vegetation

[J]. Ecohydrology, 7(3): 1029-1041.

https://doi.org/10.1002/eco.v7.3      URL      [本文引用: 2]     

[31] Green S R, Mcnaughton K G, Clothier B E.1989.

Observations of night-time water use in kiwifruit vines and apple trees

[J]. Agricultural and Forest Meteorology, 48(3): 251-261.

https://doi.org/10.1016/0168-1923(89)90072-5      URL      [本文引用: 1]     

[32] Gribovszki Z, Kalicz P, Szilágyi J, et al.2008.

Riparian zone evapotranspiration estimation from diurnal groundwater level fluctuations

[J]. Journal of Hydrology, 349(1-2): 6-17.

https://doi.org/10.1016/j.jhydrol.2007.10.049      URL      [本文引用: 9]     

[33] Haise H R, Kelley O J.1950.

Causes of diurnal fluctuations of tensiometers

[J]. Soil Science, 70(4): 301-314.

https://doi.org/10.1097/00010694-195010000-00006      URL      [本文引用: 1]     

[34] Hays K B.2003.

Water use by saltcedar (Tamarix sp.) and associated vegetation on the Canadian, Colorado and Pecos Rivers in Texas

[D]. Texas, TX: Texas A & M University.

[本文引用: 4]     

[35] Healy R W.2010.

Estimating Groundwater Recharge

[M]. Cambridge, UK: Cambridge University Press.

[本文引用: 1]     

[36] Jiang X W, Sun Z C, Zhao K Y, et al.2017.

A method for simultaneous estimation of groundwater evapotranspiration and inflow rates in the discharge area using seasonal water table fluctuations

[J]. Journal of Hydrology, 548: 498-507.

https://doi.org/10.1016/j.jhydrol.2017.03.026      URL      [本文引用: 1]     

[37] Johnson A I.1967.

Specific yield--compilation of specific yields for various materials

[R]. Geological survey water-supply paper 1662-D. Washington: United States Government Printing Office.

[本文引用: 2]     

[38] Klinker L, Hansen H.1964.

Bemerkungen zur tagesperiodischen variationen des grundwasserhorizontes und des wasserstandes in kleinen wasserlaufen

[J]. Zeitschrift für Meteorologie, 17: 240-245.

[本文引用: 1]     

[39] Lautz L.2008.

Estimating groundwater evapotranspiration rates using diurnal water-table fluctuations in a semi-arid riparian zone

[J]. Hydrogeology Journal, 16(3): 483-497.

https://doi.org/10.1007/s10040-007-0239-0      URL      [本文引用: 1]     

[40] Loheide S P.2008.

A method for estimating subdaily evapotranspiration of shallow groundwater using diurnal water table fluctuations

[J]. Ecohydrology, 1(1): 59-66.

https://doi.org/10.1002/eco.7      URL      [本文引用: 12]     

[41] Loheide S P, Butler J J, Gorelick S M.2005.

Estimation of groundwater consumption by phreatophytes using diurnal water table fluctuations: A saturated-unsaturated flow assessment

[J]. Water Resources Research, 41(7): W07030.

[本文引用: 8]     

[42] Martinet M C, Vivoni E R, Cleverly J R, et al.2009.

On groundwater fluctuations, evapotranspiration, and understory removal in riparian corridors

[J]. Water Resources Research, 45(5): W05425.

[本文引用: 3]     

[43] Mäkelä A, Givnish T, Berninger F, et al.2002.

Challenges and opportunities of the optimality approach in plant ecology

[J]. Silva Fennica, 36(3): 605-614.

[本文引用: 1]     

[44] Mclaughlin D L, Cohen M J.2011.

Thermal artifacts in measurements of fine-scale water level variation

[J]. Water Resources Research, 47(9): W09601.

[本文引用: 1]     

[45] Meinzer O E.1927.

Plants as indicators of ground water

[R]. Geological survey water-supply paper 577. Washington: United States Government Printing Office.

[本文引用: 1]     

[46] Meyboom P.1965.

Three observations on streamflow depletion by phreatophytes

[J]. Journal of Hydrology, 2(3): 248-261.

https://doi.org/10.1016/0022-1694(65)90040-5      URL      [本文引用: 2]     

[47] Miller G R, Chen X Y, Rubin Y, et al.2010.

Groundwater uptake by woody vegetation in a semiarid oak savanna

[J]. Water Resources Research, 46(10): W10503.

[本文引用: 3]     

[48] Nachabe M.2002.

Analytical expressions for transient specific yield and shallow water table drainage

[J]. Water Resources Research, 38(10): 1193.

[本文引用: 4]     

[49] Nachabe M, Shah N, Ross M, et al.2005.

Evapotranspiration of two vegetation covers in a shallow water table environment

[J]. Soil Science Society of America Journal, 69(2): 492-499.

https://doi.org/10.2136/sssaj2005.0492      URL      [本文引用: 1]     

[50] Naumburg E, Matagonzalez R, Hunter R G, et al.2005.

Phreatophytic vegetation and groundwater fluctuations: A review of current research and application of ecosystem response mmodeling with an emphasis on great basin vegetation

[J]. Environmental Management, 35(6): 726-740.

https://doi.org/10.1007/s00267-004-0194-7      URL      [本文引用: 2]     

[51] Newman B D, Wilcox B P, Archer S R, et al.2006.

Ecohydrology of water-limited environments: A scientific vision

[J]. Water Resources Research. 42(6): W06302.

[本文引用: 1]     

[52] Niu G Y, Paniconi C, Troch P A, et al.2014.

An integrated modelling framework of catchment-scale ecohydrological processes: 1. Model description and tests over an energy-limited watershed

[J]. Ecohydrology, 7(2): 427-439.

https://doi.org/10.1002/eco.v7.2      URL      [本文引用: 1]     

[53] Niu G Y, Troch P A, Paniconi C, et al.2014.

An integrated modelling framework of catchment-scale ecohydrological processes: 2. The role of water subsidy by overland flow on vegetation dynamics in a semi-arid catchment

[J]. Ecohydrology, 7(2): 815-827.

https://doi.org/10.1002/eco.v7.2      URL      [本文引用: 1]     

[54] Orellana F, Verma P, Loheide S P, et al.2012.

Monitoring and modeling water-vegetation interactions in groundwater-dependent ecosystems

[J]. Reviews of Geophysics, 50(3): RG3003.

[本文引用: 5]     

[55] Rammig A, Mahecha M D.2015.

Ecology: Ecosystem responses to climate extremes

[J]. Nature, 527: 315-316.

[本文引用: 1]     

[56] Reigner I C.1966.

A method of estimating steamflow loss by evapotranspiration from the Riparian Zone

[J]. Forest Science, 12(2): 130-139.

[本文引用: 1]     

[57] Robinson T W.1958.

Phreatophytes[R]. Geological survey water-supply paper 1423. Washington:

United States Government Printing Office.

[本文引用: 2]     

[58] Rosenberry D O, Winter T C.1997.

Dynamics of water-table fluctuations in an upland between two prairie-pothole wetlands in North Dakota

[J]. Journal of Hydrology, 191(1-4): 266-289.

https://doi.org/10.1016/S0022-1694(96)03050-8      URL      [本文引用: 1]     

[59] Rushton B.1996.

Hydrologic budget for a freshwater marsh in Florida

[J]. Water Resources Bulletin, 32(1): 13-21.

https://doi.org/10.1111/jawr.1996.32.issue-1      URL      [本文引用: 2]     

[60] Sala A, Smith S D, Devitt D A.1996.

Water use by Tamarix Ramosissima and Associated Phreatophytes in a Mojave Desert Floodplain

[J]. Ecological Applications, 6(3): 888-898.

https://doi.org/10.2307/2269492      URL      [本文引用: 1]     

[61] Scanlon B, Healy R, Cook P.2002.

Choosing appropriate techniques for quantifying groundwater recharge

[J]. Hydrogeology Journal, 10(1): 18-39.

https://doi.org/10.1007/s10040-001-0176-2      URL      [本文引用: 1]     

[62] Schilling K E.2007.

Water table fluctuations under three riparian land covers, Iowa (USA)

[J]. Hydrological Processes, 21(18): 2415-2424.

https://doi.org/10.1002/(ISSN)1099-1085      URL      [本文引用: 2]     

[63] Schimel D S.2010.

Drylands in the earth system

[J]. Science, 327: 418-419.

https://doi.org/10.1126/science.1184946      URL      [本文引用: 1]     

[64] Soylu M E, Lenters J D, Istanbulluoglu E, et al.2012.

On evapotranspiration and shallow groundwater fluctuations: A Fourier-based improvement to the White method

[J]. Water Resources Research, 48(6): W06506.

[本文引用: 9]     

[65] Troxell H.1936.

The diurnal fluctuation in the ground-water and flow of the Santa Ana River and its meaning

[J]. Transactions of the American Geophysical Union, 17(4): 496-504.

https://doi.org/10.1029/TR017i002p00496      URL      [本文引用: 3]     

[66] Vonlanthen B, Zhang X, Bruelheide H.2010.

On the run for water: Root growth of two phreatophytes in the Taklamakan Desert

[J]. Journal of Arid Environments, 74(12): 1604-1615.

https://doi.org/10.1016/j.jaridenv.2010.07.004      URL      [本文引用: 1]     

[67] Wang P, Grinevsky S O, Pozdniakov S P, et al.2014.

Application of the water table fluctuation method for estimating evapotranspiration at two phreatophyte-dominated sites under hyper-arid environments

[J]. Journal of Hydrology 519: 2289-2300.

[本文引用: 14]     

[68] Wang P, Niu G Y, Fang Y H, et al.2018.

Implementing dynamic root optimization in Noah-MP for simulating phreatophytic root water uptake

[J]. Water Resources Research, 54(3): 1560-1575.

https://doi.org/10.1002/wrcr.v54.3      URL      [本文引用: 2]     

[69] Wang P, Pozdniakov S P.2014.

A statistical approach to estimating evapotranspiration from diurnal groundwater level fluctuations

[J]. Water Resources Research, 50(3): 2276-2292.

https://doi.org/10.1002/2013WR014251      URL      [本文引用: 8]     

[70] Wang P, Yu J J, Pozdniakov S P, et al.2014.

Shallow groundwater dynamics and its driving forces in extremely arid areas: A case study of the lower Heihe River in northwestern China

[J]. Hydrological Processes, 28(3): 1539-1553.

https://doi.org/10.1002/hyp.v28.3      URL      [本文引用: 2]     

[71] Wang P, Zhang Y C, Yu J J, et al.2011.

Vegetation dynamics induced by groundwater fluctuations in the lower Heihe River Basin, northwestern China

[J]. Journal of Plant Ecology, 4(1-2): 77-90.

https://doi.org/10.1093/jpe/rtr002      URL      [本文引用: 1]     

[72] White W N.1932.

A method of estimating ground-water supplies based on discharge by plants and evaporation from soil: Results of investigation in Escalante Valley, Utah

[R]. US Geological Survey, Water Supply Paper 659. Washington D C: A United States Department of the Interior.

[本文引用: 8]     

[73] Yin L H, Zhou Y X, Ge S M, et al.2013.

Comparison and modification of methods for estimating evapotranspiration using diurnal groundwater level fluctuations in arid and semiarid regions

[J]. Journal of Hydrology, 496(0): 9-16.

https://doi.org/10.1016/j.jhydrol.2013.05.016      URL      [本文引用: 4]     

[74] Yu T F, Feng Q, Si J H, et al.2013.

Hydraulic redistribution of soil water by roots of two desert riparian phreatophytes in northwest China's extremely arid region

[J]. Plant Soil, 372(1-2): 297-308.

https://doi.org/10.1007/s11104-013-1727-8      URL      [本文引用: 1]     

[75] Yuan G F, Luo Y, Shao M A, et al.2015.

Evapotranspiration and its main controlling mechanism over the desert riparian forests in the lower Tarim River Basin

[J]. Science China Earth Sciences, 58(6): 1032-1042.

https://doi.org/10.1007/s11430-014-5045-7      URL      [本文引用: 1]     

[76] Yue W F, Wang T J, Franz T E, et al.2016.

Spatiotemporal patterns of water table fluctuations and evapotranspiration induced by riparian vegetation in a semiarid area

[J]. Water Resources Research, 52(3): 1948-1960.

https://doi.org/10.1002/2015WR017546      URL      [本文引用: 3]     

[77] Zhang P, Yuan G F, Shao M A, et al.2016.

Performance of the White method for estimating groundwater evapotranspiration under conditions of deep and fluctuating groundwater

[J]. Hydrological Processes, 30(1): 106-118.

https://doi.org/10.1002/hyp.10552      URL      [本文引用: 3]     

[78] Zhu J T, Young M, Healey J, et al.2011.

Interference of river level changes on riparian zone evapotranspiration estimates from diurnal groundwater level fluctuations

[J]. Journal of Hydrology, 403(3-4): 381-389.

https://doi.org/10.1016/j.jhydrol.2011.04.016      URL      [本文引用: 1]     

/