全 文 ：植物生态学报 2012, 36 (6): 539–549 doi: 10.3724/SP.J.1258.2012.00539
Chinese Journal of Plant Ecology http://www.plant-ecology.com
——————————————————
收稿日期Received: 2012-02-14 接受日期Accepted: 2012-04-16
* 通讯作者Author for correspondence (E-mail: wenxf@igsnrr.ac.cn)
华北平原农田土壤蒸发δ18O的日变化特征及其影
响因素
杨 斌1,2 谢甫绨1 温学发2* 孙晓敏2 王建林3
1沈阳农业大学, 沈阳 110866; 2中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室, 北京 100101; 3青岛农业大学, 青岛 266109
摘 要 土壤蒸发δ18O (δE)是影响大气水汽δ18O (δv)变异的重要因素, 也是农田生态系统蒸散组分土壤蒸发和植物蒸腾拆分
的核心科学问题之一。δE主要基于Craig-Gordon模型计算, 主要受地表大气水汽δv、相对湿度(h)、平衡和动力学分馏系数以
及土壤蒸发前缘液态水δ18O (δs)的影响。该研究以华北平原冬小麦(Triticum aestivum)-夏玉米(Zea mays)生态系统大气水汽δv
的原位连续观测数据为基础, 同时结合不同深度的土壤日变化采样, 综合探讨了δE的日变化特征及其影响因素。结果表明:
冬小麦和夏玉米生长季δE的日变化表现为双峰曲线, 分别在6:00和15:00左右达到峰值。h强烈影响农田生态系统δE, 特别是在
h > 95%的高相对湿度环境条件下Craig-Gordon模型并不适用。大气水汽δv的原位连续观测技术克服了传统的降水平衡预测大
气水汽δv方法的不确定性, 可以显著提高δE的准确性。不同的平衡分馏系数对δE的结果无显著影响。不同的动力分馏系数尤
其是考虑湍流扩散对动力分馏系数的影响会显著影响δE的模拟结果。土壤蒸发前缘的确定直接影响δs和标准化到土壤蒸发前
缘温度下的h, 显著影响δE的准确性。结合动态箱或静态箱与稳定同位素红外光谱连续观测技术直接测定δE, 从而避免模型参
数化过程引入的不确定性是未来研究的重要方向。
关键词 Craig-Gordon模型, 大气水汽δ18O原位观测, 动力学分馏系数, 土壤蒸发δ18O, 冬小麦-夏玉米
Diurnal variations of soil evaporation δ18O and factors affecting it in cropland in North China
YANG Bin1,2 , XIE Fu-Ti1 ,WEN Xue-Fa2*, SUN Xiao-Min2, and WANG Jian-Lin3
1Shenyang Agricultural University, Shenyang 110866, China; 2Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic
Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; and 3Qingdao Agricultural University, Qingdao 266109,
China
Abstract
Aims The δ18O of soil evaporation (δE) is an important factor controlling the variations of atmospheric δ18O (δv),
and it is also one of the key challenges of partitioning evapotranspiration into evaporation and transpiration com-
ponents. δE is mostly simulated by the Craig-Gordon model, which is constrained by the δv of water vapor, the
relative humidity (h), the equilibrium and kinetic factors and the δ18O of soil water (δs) at the evaporating front.
Our objective is to investigate the diurnal variations of δE and factors affecting it.
Methods We determined the δ18O of water vapor in a winter wheat-summer maize cropland based on the in-situ
and continuous water vapor isotope ratio measurement system. We sampled soil water at different depths and ana-
lyzed it using the cryogenic vacuum distillation technique to acquire the δ18O of soil water at the evaporating
front.
Important findings During the growing period of winter wheat-summer maize, the diurnal variation of δE exhib-
ited a bimodal pattern with peaks at 6:00 and 15:00. The h has a significant effect on the diurnal variation of δE in
cropland ecosystems, and causes the Craig-Gordon model to be invalid under high humidity condition of h > 95%.
The in-situ and high resolution measurement of δv overcomes the uncertainty of using the local precipitation equi-
librium method to evaluate δv, which improves the accuracy of δE. Different equilibrium factors have no signifi-
cant influence on the accuracy of δE. Different kinetic factors, especially the canopy scale kinetic factor, influence
the accuracy of δE significantly. The location of the evaporating front determines the h normalized to soil tem-
perature and the δ18O of soil water directly and also influences the accuracy of δE significantly. Further research is
needed to attain direct measurement of δE by combining isotope ratio infrared spectroscopy (IRIS) with the static
chamber or dynamic chamber.
540 植物生态学报 Chinese Journal of Plant Ecology 2012, 36 (6): 539–549

www.plant-ecology.com
Key words Craig-Gordon model, in-situ measurement of atmosphere water vapor δ18O, kinetic fractionation
factors, soil evaporation δ18O, winter wheat-summer maize

土壤蒸发是陆地生态系统土壤与大气进行水
汽交换的主要途径之一, 在生态系统水分平衡和水
循环中均占有重要地位(Huxman et al., 2005; Gat,
2008; Torres & Calera, 2010)。涡度相关技术是唯一
直接测定生态系统蒸散的标准方法, 但是无法估算
蒸散组分土壤蒸发和植物蒸腾, 并不能为理解和预
测农田群体水分利用效率提供足够的信息(Gochis
& Cuenca, 2000; Baldocchi, 2003; Yu et al., 2006)。目
前, 区分农作物群体蒸腾作用和土壤蒸发主要是利
用大尺度土壤蒸渗仪(测定蒸散)和小型蒸渗仪(测
定土壤蒸发 )结合技术 (Gochis & Cuenca, 2000;
Wilson et al., 2001; 孙宏勇等, 2004)、气孔-蒸腾尺
度扩展技术(Cermak & Nadezhdina, 1998; Meires-
onne et al., 1999)以及模型(如Shuttleworth-Wallace
双涌源模型 )模拟技术 (Shuttleworth & Wallace,
1985; Hu et al., 2009)等传统的间接估算方法。与涡
度相关技术相结合, 通过稳定同位素技术可以实现
生态系统蒸散组分土壤蒸发和植物蒸腾的拆分
(Moreira et al., 1997; Wang & Yakir, 2000; Yepez et
al., 2005; Xu et al., 2008)。其中, 确定土壤蒸发δ18O
(δE)是解决生态系统蒸散组分土壤蒸发和植物蒸腾
拆分的核心科学问题之一。
在土壤水分蒸发过程中, 由于水分相变和扩散
过程中稳定同位素分馏效应的存在, 轻稳定同位素
分子比重稳定同位素分子蒸发和扩散得快。所以,
随着蒸发的进行, 土壤水中H218O随土壤深度的增
加会呈现明显的梯度变化, 并且土壤中液态水中的
H218O会高于土壤蒸发气态水中的H218O含量(Gat,
1996; Zhang et al., 2010)。因此, 土壤蒸发过程中的
同位素分馏效应会使δE发生严重的贫化。地表大气
水汽δ18O (δv)、相对湿度(h)、平衡和动力学分馏系
数以及土壤蒸发前缘液态水δ18O (δs)对δE的共同影
响可以用Craig-Gordon模型来描述(Craig & Gordon,
1965; Wang & Yakir, 2000)。
在大气水汽δv数据匮乏的条件下, 经常假设δv
为常数或与降水平衡(Froehlich, 2000; Horita et al.,
2008; 温学发等, 2008)。Jacob和Sonntag (1991)指出
在较长的年季尺度上, 降水平衡预测通常是可靠
的。然而, 在短时间尺度上或降水稀少的干旱、半
干旱地区, 降水平衡预测值通常偏离δv的真实值,
而且δv与降水平衡预测值的偏离程度与h正相关
(Tsujimura et al., 2007; Horita et al., 2008; Wen et al.,
2010)。目前δv主要利用冷阱/同位素质谱仪技术测定
(Helliker et al., 2002; Tsujimura et al., 2007), 通常包
括样品的收集和分析两个步骤, 都是费时耗力的。
最近同位素红外光谱技术(IRIS)的发展使大气水汽
δv的原位连续观测成为可能(Lee et al., 2005; Wen et
al., 2008, 2012b)。
平衡分馏系数(αe)是决定土壤蒸发前缘液态水
H218O蒸发为气态水H218O的关键影响因素。而动力
学分馏系数(αk)是决定土壤中气态水H218O经过土壤
孔隙和土壤边界层向大气扩散的关键影响因素。
Majoube (1971)以及Horita和Wesolowski (1994)分别
提出了αe的计算方法, 二者0–100 ℃的αe是一致的。
如何准确地计算αk是Craig-Gordon模型估算δE的焦点
问题之一(Farquhar et al., 1989; Flanagan et al., 1991;
Horita et al., 2008)。αk通常采用Merlivat (1978)提出的
分子扩散比(H2O : H218O) 1.028 1。Cappa等(2003)指
出分子扩散比(H2O : H218O)应为1.031 9。Lee等(2009)
研究表明, 在水汽通过冠层传输到冠层上方某一高
度的过程中, 空气动力学阻力(ra)也对αk产生影响。
土壤蒸发导致土壤水δs逐渐富集, 并在土壤表
层达到最大的富集程度 , 即土壤 “蒸发前缘 ”
(Barnes & Allison, 1988)。土壤蒸发前缘是土壤中的
水液相运动与气相扩散的过渡区域, 可以近似为饱
和状态(Walker & Brunel, 1990; van de Griend &
Owe, 1994; Wythers et al., 1999; Yamanaka &
Yonetani, 1999; Zhang et al., 2010), 直接影响δE。
本研究以华北平原冬小麦(Triticum aestivum)-
夏玉米(Zea mays)生态系统为研究对象, 以大气水
汽δ18O和δD原位连续观测系统(Wen et al., 2008)为
核心手段, 同时结合不同深度的土壤日变化采样,
综合探讨δv、平衡和动力分馏系数、h和δs对δE日变
化特征的影响。
1 材料和方法
1.1 站点描述
中国生态系统研究网络(CERN)栾城农业生态
杨斌等: 华北平原农田土壤蒸发 δ18O的日变化特征及其影响因素 541

doi: 10.3724/SP.J.1258.2012.00539
系统试验站(37°50′ N, 114°40′ E, 海拔50 m)属于暖
温带半湿润半干旱气候。实验区内地势平坦, 土壤
为褐土类黄土壤, 质地为壤土。年降水量(1960–
2005年)为475.9 mm, 降水量季节变化明显, 主要集
中于夏季(6–8月) (孙宏勇, 2007)。耕作模式为冬小
麦/夏玉米轮作一年两熟制。冬小麦供试品种为‘科
农199’。播种于2007年10月初, 于2008年6月中旬收
获, 最大叶面积指数(LAI)和最大冠层高度分别是
4.5 m2·m–2和0.75 m; 夏玉米供试品种为‘先玉335’,
于2008年6月初播种于小麦田间, 在10月末收获,
最大LAI和最大冠层高度分别是4.2 m2·m–2和2.7 m。
本实验于2008年5–9月进行(Zhang et al., 2011; Wen
et al., 2012a; Xiao et al., 2012)。
1.2 大气水汽δ18O原位连续观测
以水汽H218O、HD16O和H216O激光痕量气体分
析仪 (Model TGA100A, Campbell Scientific Inc.,
Logan, USA)为基础构建的大气水汽δ18O和δD原位
连续观测系统(Wen et al., 2008)作为核心的技术手
段, 实现了栾城冬小麦-夏玉米大气水汽δ18O的原位
连续观测(Zhang et al., 2011; Wen et al., 2012a; Xiao
et al., 2012)。试验过程中, 在冬小麦-夏玉米冠层上
方设置两个进气口, 并随生长季调整两个进气口的
高度。冬小麦和夏玉米观测期间进气口的起始高度
分别为0.6/1.6 m和1.1/2.1 m, 而最终高度分别为
1.1/2.1 m和3.2/4.2 m。同时, 涡度相关系统(Model
CSAT-3, Campbell Scientific Inc., Logan, USA;
Model LI-7500, LI-COR Inc., Lincoln, USA)和微气
象观测系统同步观测, 测量半小时尺度的空气温
度、空气湿度、风速/风向、降水量、土壤温度和土
壤含水量等。
1.3 土壤水样品的日变化加强采样
在冬小麦生长季5月14–16日(DOY 135–137)和
21–23日(DOY 142–144)和夏玉米生长季8月23日–
24日 (DOY 236–237)和 8月 31日 –9月 2日 (DOY
244–246)进行不同深度的土壤日变化采样。每天
2:00、6:00、9:00、12:00、15:00、18:00和22:00分7
次采集土壤样品。其中, 6:00、12:00和18:00采集0–5、
15–20和40–45 cm土壤样品, 而2:00、9:00、15:00和
22:00仅采集0–5 cm土壤样品。考虑到田间土壤水δs
的空间异质性, 设置4个采样小区。土壤液态水通过
自制真空抽提系统获得, 土壤水δs通过液态水同位
素分析仪 (Model DLT-100, Los Gatos Research,
Mountain View, USA)分析, 分析精度优于0.2‰。
1.4 Craig-Gordon模型
土壤蒸发 δE可以用 Craig-Gordon模型描述
(Craig & Gordon, 1965; Yakir & Sternberg, 2000),
v eq k
E
k
s e/ (1 )
(1 ) (1 ) /1000
h h
h h
δ α δ ε εδ ε
− − − −= − + − (1)
式中, δs是土壤蒸发前缘液态水δ18O, δv为地表空气
水汽δ18O, αe (>1)是与温度相关的平衡分馏系数, εeq
= 1000(1–1/αe)为平衡分馏效应, αk为动力分馏系数,
εk = 1000(αk–1)为与水分子通过土壤空隙和土壤边
界层的扩散过程相关的动力分馏效应, h为标准化
到土壤蒸发前缘温度的空气相对湿度。
选择不同深度(0–5、15–20或40–45 cm)土壤水
δ18O作为δs, 15–20与40–45 cm的土壤水δs日变化通
过白天(6:00、12:00和18:00)数据线性内插得到。h
是基于大气水汽δ18O和δD原位连续观测系统的上
进气口测量的水汽混合比(wi)和相应的土壤蒸发前
缘温度计算的。δv分别采用原位连续观测的大气水
汽δ18O或者基于降水平衡的方法估算的大气水汽
δ18O。大气水汽δv的降水平衡预测值(δv, e)通过与之
处于热力学平衡的降水δp来计算 (Zhang et al.,
2011)。
p
v,e
e
1 /1000
1 1000
δδ α
+⎛ ⎞= − ×⎜ ⎟⎝ ⎠
(2)
式中, δp为降水的δ18O, 此时, αe需要参照当地的气
温。
αe根据Majoube (1971)提出的方法(公式3)或
Horita和Wesolowski (1994)提出的方法(公式4)计算
得到,
( ) 3s
3
2
s
e 10667.0215.273
156.4010
15.273
37.11ln −×−+−×+= TTα
(3)

式中, Ts是土壤蒸发前缘温度(℃)。
αk分别采用Merlivat (1978)报道的H2O : H218O
的分子扩散比率1.028 1 (公式5)或Cappa等(2003)等
报道的1.031 9 (公式6)。考虑边界层阻力的影响,
542 植物生态学报 Chinese Journal of Plant Ecology 2012, 36 (6): 539–549

www.plant-ecology.com
H218O的动力分馏效应为 (Farquhar et al., 1989;
Yepez et al., 2003; Ripullone et al., 2008):
( )s b
s b
28 19 ‰k
r r
r r
ε += + (5)
( )s b
s b
32 21 ‰k
r r
r r
ε += + (6)
式中, rs是水汽通过土壤孔隙时的阻力, 而rb是土壤
与大气间的边界层阻力。本研究选择晴朗的天气进
行, 故忽略土壤边界层阻力(rb)对分子动力分馏系
数的影响(Merlivat, 1978; Cappa et al., 2003)。由于
湍流扩散与扩散系数无关 , 即水汽的主要组分
H216O与微量组分H218O空气动力学阻力相同, Lee等
(2009)指出考虑空气动力学阻力(ra)对εk的影响只需
要在公式 (5)和 (6)的分母中加入ra。例如 , 采用
Merlivat (1978)报道的H2O : H218O的分子扩散比率,
Lee等(2009)的动力分馏效应为:
( )s b
s b a
28 19 ‰k
r r
r r r
ε += + + (7)
式中, ra是水汽从土壤表面传输到参考高度的空气
动力学阻力, rs与ra的具体计算方法参见附录A。
为探讨δv、平衡和动力分馏系数、h和δs对δE的
日变化特征的影响, 这里以0–5 cm土壤水δ18O作为
δs、原位连续观测系统测定的大气水汽δ18O作为δv、
基于原位连续观测系统测定的水汽混合比(wi)和
0–5 cm土壤温度计算h、Majoube (1971)方法计算的
平衡分馏系数和Merlivat (1978)的分子动力分馏系
数(28‰)计算的δE作为基准。本文中的变量符号及
定义参见附录B。
2 结果和讨论
2.1 大气水汽和土壤水δ18O的日变化特征
δv、δs、土壤温度以及标准化到土壤温度下的h
是影响Craig-Gordon模型的基本输入变量, 其日变
化特征如图1所示。冬小麦采样时期共6天, 分别为
DOY 135–137和DOY 142–144, 夏玉米采样时期共
5天, 分别为DOY 236–237和DOY 244–246。表1总
结了4个加强采样时期相应数据的平均值。0–5和
15–20 cm土壤水δs的日变化特征并不明显(图1A和
C)。冬小麦和夏玉米生长季0–5 cm土壤水δs的日平
均值分别为–(4.8 ± 0.1)‰和–(6.9 ± 0.4)‰, 昼夜变
异幅度分别为0.3‰–1.3‰和0.6‰–1.4‰; 而15–20
cm土壤水δs的日平均值分别为–(6.7 ± 0.1)‰和–(8.9
± 0.1)‰, 昼夜变异幅度分别为 0.1‰–0.6‰和
0.4‰–0.6‰。0–5和15–20 cm的土壤水δs具有较好的
一致性(δs,20 cm = (0.58 ± 0.14) δs,5 cm – (4.37 ± 0.83),
R2 = 0.62, p < 0.001; 参数的置信区间为99%, 下
同)。0–5 cm土壤水δ18O较15–20 cm土壤水日平均分
别富集(2.0 ± 0.7)‰和(2.0 ± 1.2)‰。其中, DOY
236–237时期两层土壤水 δ18O差异较小 ((0.6 ±
0.4)‰)。这主要由于DOY 234发生了47.6 mm降水,
其δ18O为–10.1‰。降水会在短期内渗入土壤, 并迅
速改变土壤水δs信号(Lee et al., 2005; Zhang et al.,
2010)。
与土壤水δs相比, 大气水汽δv具有明显的日变
化特征。总体来看, 冬小麦和夏玉米生长季δv的日
变化表现为单峰曲线。δv在12:00前后达到最小值,
午后δv逐渐升高并在18:00左右达到峰值, 此后至
12:00逐渐下降。冬小麦和夏玉米生长季δv的最小值
分别为–(12.0 ± 2.6)‰和–(17.0 ± 4.1)‰, 最大值分
别为–(10.0 ± 2.4)‰和–(13.5 ± 2.0)‰。昼夜变异幅度
分别为2.0‰–4.8‰和2.8‰–7.6‰。大气水汽δv的日
变化主要受局地蒸散和大气夹卷作用的相互作用
所控制(Lee et al., 2006; Zhang et al., 2011)。Welp等
(2008)研究指出大豆(Glycine max)冠层上方水汽δv
在中午前后最低, 在午夜前后出现最大值。Wen等
(2010)指出北京近地层空气水汽 δ18O和 δD在
12:00–16:00出现最低值, 并且夏季风活动盛期的大
气夹卷作用较非季风期弱。δv从早晨到中午前后逐
渐下降主要是由于上午大气夹卷作用逐渐增强, 而
生态系统蒸散则相对较弱。午后大气夹卷作用逐渐
减弱, 而植物蒸腾作用较强。因此, 局地蒸散会逐
渐超过大气夹卷作用而使δv逐渐富集, 并在黄昏前
后达到最高值。日出前空气中的水汽常发生的凝露
现象也会使δv变得贫化(Wen et al., 2012a)。如图1A、
1C所示, 冬小麦和夏玉米生长时期每天的δv日变化
特征与平均日变化趋势有所区别。这主要是由于δv
日变化由生态系统蒸散、大气夹卷作用和气团水平
运动等过程共同驱动, 各个过程的影响强度均存在
着时间变异性(Lee et al., 2006)。
冬小麦和夏玉米生长季0–5 cm土壤温度均在
6:00左右最低, 日出后逐渐升高, 15:00左右达到最
高值后逐渐下降。15–20 cm土壤温度的日变化
与0–5 cm土壤温度相似(Ts,20cm= (0.71 ± 0.17)Ts,5cm –
杨斌等: 华北平原农田土壤蒸发 δ18O的日变化特征及其影响因素 543

doi: 10.3724/SP.J.1258.2012.00539


图1 栾城冬小麦和夏玉米生态系统生长季大气水汽δ18O (δv)、土壤水δ18O (0–5 cm, δs,5cm和15–20 cm, δs,20cm) (A、B)、土壤温
度(Ts,5cm, Ts,20cm)和标准化到土壤温度下的相对湿度(h) (C、D)的日变化(平均值±标准偏差, n = 4)。
Fig. 1 Diurnal variations of δ18O of water vapor (δv), soil water at 0–5 cm (δs,5cm) and 15–20 cm (δs,20cm) (A、B) and soil tempera-
ture at 5 cm (Ts,5cm) and 20 cm (Ts,20cm) and relative humidity (h) normalized to soil temperature (C、D) during growing period in a
winter wheat-summer maize ecosystem at Luancheng (mean ± SD, n = 4).


表1 冬小麦和夏玉米生态系统生长季大气水汽δ18O(δv)、土壤水δ18O (0–5 cm, δs,5cm和15–20 cm, δs,20cm)、土壤温度(Ts,5cm,
Ts,20cm)和标准化到土壤温度下的相对湿度(h)的平均值(平均值±标准偏差)
Table 1 Mean values of water vapor δ18O (δv) , soil water δ18O (0–5 cm, δs,5cm; 15–20 cm, δs,20cm) , soil temperature (Ts,5cm, Ts,20cm)
and relative humidity (h) normalized to soil temperature during growing period in a winter wheat and summer maize ecosystem
(mean ± SD)
δv δs,5cm δs,20cm Ts,5cm Ts,20cm h5cm h20cm 年序日
Day of year (‰) (℃) (%)
冬小麦 Winter wheat
135–137 –(13.1 ± 1.2) –(5.7 ± 0.1) –(7.1 ± 0.2) 17.5 ± 1.8 16.4 ± 0.7 79.0 ± 6.5 85.0 ± 9.0
142–144 –(9.0 ± 1.4) –(3.8 ± 0.5) –(6.4 ± 0.1) 20.2 ± 2.8 18.3 ± 0.9 76.9 ± 12.5 87.4 ± 20.7
夏玉米 Summer maize
236–237 –(14.3 ± 1.2) –(8.4 ± 0.3) –(9.0 ± 0.3) 25.2 ± 2.3 24.5 ± 0.6 74.9 ± 7.2 77.3 ± 10.3
244–246 –(16.1 ± 3.4) –(6.0 ± 0.5) –(8.9 ± 0.2) 23.1 ± 2.6 23.1 ± 0.7 56.6 ± 12.8 56.0 ± 10.9


(5.17 ± 3.71), R2 = 0.61, p < 0.001), 但最低和最高值
出现时间相对滞后。标准化到0–5 cm土壤温度下的
h在9:00左右达到最高值, 15:00左右降到最低后再
逐渐升高; 而标准化到15–20 cm土壤温度下的h从
6:00左右开始升高, 15:00左右达到最高值后逐渐下
降。
2.2 高相对湿度对土壤蒸发δE日变化的影响
图2描述了栾城冬小麦-夏玉米生态系统土壤蒸
544 植物生态学报 Chinese Journal of Plant Ecology 2012, 36 (6): 539–549

www.plant-ecology.com


图2 栾城冬小麦(A)和夏玉米(B)生态系统土壤蒸发δ18O (δE)的日变化特征。h, 相对湿度。
Fig. 2 Diurnal variation of δ18O of soil evaporation (δE) in a winter wheat (A)-summer maize (B) ecosystem at Luancheng. h, rela-
tive humidity.




图3 相对湿度(h)对栾城冬小麦和夏玉米生态系统土壤蒸
发δ18O (δE)的影响。
Fig. 3 Effect of relative humidity (h) on soil evaporation δ18O
(δE) in a winter wheat-summer maize ecosystem at Luancheng.


发δ18O (δE)的日变化特征。可见, h > 85%时的δE出现
了明显的异常值。这主要是由于高相对湿度导致公
式(1)的分母接近于零。图3描述了h对土壤蒸发δE的
影响。当h < 85%时, δE与h呈非线性相关关系(δE =
–(0.01 ± 0.01)h2 + (0.79 ± 0.92)h – (57.04 ± 27.98), R2
= 0.66, p < 0.001)。当85% < h < 95%时, δE与h呈线性
相关关系(δE = –(7.60 ± 5.05)h + (597.07 ± 447.35),
R2 = 0.77, p < 0.001), 但响应更加敏感。而当h >
95%时, Craig-Gordon模型的估算结果–224.3‰已经
严重失真。因此, 在接下来的分析中将h > 95%时的
δE剔除。Lai等(2006)研究表明, 在h较大或饱和时
(如夜晚) Craig-Gordon模型的模拟结果会失去真实
性。Roden和Ehleringer (1999)指出在h较大时Craig-
Gordon模型对δs和δv等输入变量的准确性要求更高,
较小的测量误差也会对模拟结果产生较大的影响。
总体来看, 冬小麦和夏玉米生长季δE的日变化
表现为双峰曲线。δE在6:00左右达到最大值, 之后至
9:00逐渐下降, 从9:00起δE逐渐升高并在15:00左右
达到次峰值。此后, 至18:00 δE逐渐下降, 从傍晚至
早晨再逐渐升高。此外, 冬小麦生长季δE的日变化
较夏玉米时期更为明显(图2), 这主要与冬小麦生长
季较高的相对湿度条件有关(图1; 表1)。冬小麦和
夏玉米生长季δE的最大值–(52.3 ± 4.9)‰和–(45.0 ±
7.9)‰均出现在6:00, 而最小值–(65.8 ± 21.4)‰
(18:00)和–(52.6 ± 17.0)‰ (9:00)出现的时刻并不相
同。昼夜变异幅度分别为7.3‰–41.4‰和5.0‰–
28.4‰。
2.3 大气水汽δ18O对土壤蒸发δE日变化的影响
图4描述了原位连续观测与降水平衡预测的大
气水汽δv计算的栾城冬小麦-夏玉米生态系统土壤
蒸发δE的日变化特征。冬小麦和夏玉米生长季降水
平衡预测δv计算的δE,p比原位连续观测δv计算的
δE, in-situ分别富集(32.6 ± 19.8)‰和(7.5 ± 11.1)‰。两
种方法获得的δE差异极显著(p < 0.001)。根据DOY
133、138、234和243的3 mm (–11.8‰)、22.3 mm
(–4.6‰)、47.6 mm (–10.1‰)和1.5 mm (–6.5‰) 4次
降水δ18O预测的δv分别为–22.2‰、–14.7‰、–19.5‰
和–16.1‰, 与原位观测值相比较分别贫化了9.1‰、
5.7‰、5.2‰和0.0‰。除了DOY 244–246期间外, 短
杨斌等: 华北平原农田土壤蒸发 δ18O的日变化特征及其影响因素 545

doi: 10.3724/SP.J.1258.2012.00539
期内降水平衡预测的δv,e均严重偏离了大气水汽δv
的原位连续观测值。这是由于当空气不饱和时, 动
力分馏效应必然会使大气水汽δv低于平衡预测值,
并且偏离量随着空气相对湿度的降低而增大(Wen
et al., 2010; Zhang et al., 2011)。此外, 降水平衡预测
方法假设δv在加强采样期间恒定。但是, 降水事件
与采样过程并不同步, 而且受局地蒸散和大气夹卷
作用等因素影响的δv在短期内会出现较大的变异
(Lee et al., 2006)。
降水平衡预测的δv作为输入变量会改变δE的日
变化特征(图4)。冬小麦生长季δE,p与δE,in-situ的日变化
呈现相反的变化趋势。夏玉米生长季DOY 236–237
期间δE,p与δE,in-situ的日变化仍呈现相反的变化趋势。
但是, DOY 244–246期间δE,p与δE,in-situ的日变化差异
不明显。这是由于DOY 244–246期间大气水汽δv的
原位连续观测值(–16.1 ± 3.4)‰与降水平衡预测值
–16.1‰近似相等, 因此该时期内δE,p (–42.4 ± 1.3)‰
与δE,in-situ(–43.5 ± 4.2)‰较为接近, 但是降水平衡预
测方法明显削弱了δE的日变化动态特征。冬小麦和
夏玉米生长季δE,p的最大值分别为–(18.7 ± 17.7)‰
和–(40.3 ± 1.2)‰, 最小值分别为–(29.3 ± 13.3)‰和
–(41.9 ± 2.5)‰。昼夜变异幅度相对较小, 分别为
3.2‰–22.6‰和2.2‰–6.4‰。
2.4 动力分馏系数对土壤蒸发δE日变化的影响
图5描述了不同的动力分馏系数对栾城冬小麦-
夏玉米生态系统土壤蒸发δE日变化的影响。冬小麦
和夏玉米生长季以Merlivat (1978)的分子动力分馏
系数计算的δE,Merlivat分别为–(58.2 ± 13.3)‰和–(48.7
± 8.9)‰。与δE,Merlivat相比, Cappa等(2003)的分子动力
分馏系数计算的δE,Cappa会使冬小麦和夏玉米生长季
δE均贫化4.0‰ ± 0.0‰; Lee等(2009)的冠层尺度动
力分馏系数计算的δE,Lee则会使δE分别富集(7.4 ±
6.0)‰和(5.4 ± 6.2)‰。3种动力分馏系数计算的δE
差异极显著(p < 0.001)。
不同动力分馏系数计算的δE日变化特征一致
(图5)。三者具有明显的线性关系, δE,Cappa = (1.0 ±
0.0) δE,Merlivat – (4.0 ± 0.0) (R2 = 1.0, p < 0.001), δE,Lee=
(0.93 ± 0.15)δE,Merlivat – (2.50 ± 8.4) (R2 = 0.78, p <
0.001)。δE,Cappa比δE,Merlivat更加贫化, 而δE,Lee比
δE,Merlivat更加富集。冬小麦和夏玉米生长季δE,Cappa的
最大值分别为–(56.3 ± 4.9)‰和–(49.2 ± 7.9)‰, 最
小值分别为–(69.8 ± 21.4)‰和–(56.6 ± 17.0)‰。昼夜
变异幅度分别为7.3‰–41.4‰和5.0‰–28.4‰。冬小
麦和夏玉米生长季δE,Lee的最大值分别为–(41.4 ±
8.7)‰和–(33.2 ± 8.4)‰, 最小值分别为–(56.0 ±
18.4)‰和–(51.1 ± 16.7)‰。昼夜变异幅度分别为
14.4‰–32.6‰和16.1‰–31.0‰。Lee等(2009)的冠层
尺度动力分馏系数不仅使δE更加富集, 而且使δE的
日变化动态特征更加明显, 这种效应在夜间尤为突
出。如果直接使用Merlivat (1978)和Cappa等(2003)
的分子动力分馏系数, 公式(1)中的驱动变量δv应该
直接在土壤表面测量。但在冠层尺度研究中, 蒸发


图4 选择原位连续观测或降水平衡预测的大气水汽δ18O (δv)计算的栾城冬小麦(A)和夏玉米(B)生态系统土壤蒸发δ18O
(δE,in-situ和δE,p)日变化特征。
Fig. 4 Diurnal variations of δ18O (δE,in-situ and δE,p) calculated with atmosphere water vapor δ18O (δv) acquired by in-situ measure-
ment or equilibrium prediction in a winter wheat (A) and summer maize (B) ecosystem at Luancheng.

546 植物生态学报 Chinese Journal of Plant Ecology 2012, 36 (6): 539–549

www.plant-ecology.com

图5 选择Merlivat (Merlivat, 1978)、Cappa等(Cappa et al., 2003)或Lee等(Lee et al., 2009)的动力分馏系数对栾城冬小麦(A)和
夏玉米(B)生态系统土壤蒸发δ18O (δE,Merlivat、δE,Cappa和δE,Lee)的日变化的影响。
Fig. 5 Effect of kinetic factor of Merlivat (Merlivat, 1978), Cappa et al. (Cappa et al., 2003) or Lee et al. (Lee et al., 2009) on daily
variation of δ18O of soil evaporation (δE,Merlivat、δE,Cappa and δE,Lee) in a winter wheat (A) and summer maize (B) ecosystem at
Luancheng.




图6 选择0–5或15–20 cm土壤作为蒸发前缘对栾城冬小麦(A)和夏玉米(B)生态系统土壤蒸发δ18O (δE,5cm和δE,20cm)日变化的影
响。
Fig. 6 Effect of soil evaporating front at 0–5 cm depth or 15–20 cm depth on daily variations of δ18O of soil evaporation (δE,5cm and
δE,20cm) in a winter wheat (A) and summer maize (B) ecosystem at Luancheng.


水汽通量必须经过湍流扩散才能到达观测高度(Lee
et al., 2009; Xiao et al., 2010)。夜间的湍流扩散较白
天弱(ra较大), 此时的湍流扩散对动力分馏系数的
影响相应地会加强(Xiao et al., 2010)。因此, 冠层动
力分馏系数会使夜间的δE富集程度更大。
2.5 土壤蒸发前缘水δ18O对土壤蒸发δE日变化的
影响
图6描述了不同土壤蒸发前缘对栾城冬小麦-夏
玉米生态系统土壤蒸发δE日变化的影响。这里选择
15–20 cm土壤作为蒸发前缘, 需要删除h > 95%时
的数据, 其占全部数据的14.5%。与选择0–5 cm土壤
作为蒸发前缘相比, 选择15–20 cm土壤作为蒸发前
缘使冬小麦和夏玉米生长季δE分别贫化 (17.1 ±
13.7)‰和(7.9 ± 7.4)‰。不同蒸发前缘计算的δE差异
极显著(p < 0.001)。选择15–20 cm的深层土壤作为
蒸发前缘会使土壤水δs贫化, 从而使δE的计算结果
偏小。更为主要的原因是, 选择15–20 cm土壤作为
蒸发前缘通常使标准化到土壤温度下的h增大甚至
杨斌等: 华北平原农田土壤蒸发 δ18O的日变化特征及其影响因素 547

doi: 10.3724/SP.J.1258.2012.00539
过饱和(图1)。这种高相对湿度条件会强烈影响δE的
计算结果, 从而使δE,20cm严重贫化。
选择15–20 cm土壤作为蒸发前缘会改变δE的日
变化特征(图6)。冬小麦和夏玉米生长季δE,20cm的日
变化表现为单峰曲线。δE,20cm的最大值同样出现在
6:00左右, 但是在15:00前后并未出现次峰值, 而是
一直下降并在18:00前后达到最小值, 此后至早晨
逐渐升高。δE,20cm与δE,5cm的日变化差异主要在15:00
前后, 此时刚好是h20cm与h5cm在一天中差异最大的
时期 (图 1)。 δE,20cm与 δE,5cm的线性相关关系为 ,
δE,20cm= (1.31 ± 0.47)δE,5cm – (2.54 ± 8.43) (R2=0.46, p
< 0.001)。冬小麦和夏玉米生长季δE,20cm的最大值分
别为–(58.7 ± 20.8)‰和–(50.4 ± 9.2)‰, 最小值分别
为–(86.8 ± 31.2)‰和–(61.7 ± 23.2)‰。昼夜变异幅度
分别为17.9‰–59.8‰和4.4‰–34.9‰。
3 结论
本研究基于华北平原冬小麦-夏玉米生态系统
大气水汽δv的原位连续观测数据, 结合不同层次的
土壤日变化采样, 初步探讨了土壤蒸发δE的日变化
特征及影响因素。结果表明: 冬小麦和夏玉米生长
季δE的日变化表现为双峰曲线, 分别在6:00和15:00
左右达到峰值。相对湿度(h)是影响农田生态系统δE
的主要因素, 而Craig-Gordon模型在h > 95%的高相
对湿度条件下并不适用。用大气水汽δv的原位连续
观测技术直接测大气水汽δv可以显著提高δE的准确
性。不同的动力分馏系数尤其是考虑湍流扩散对动
力分馏系数的影响会显著影响δE的模拟结果。因此,
在生态系统冠层尺度的δE模拟中, 不能忽略湍流扩
散的作用。土壤蒸发前缘的确定直接影响δs和标准
化到土壤蒸发前缘温度下的h, 进而显著影响δE的
准确性。当选择深层土壤作为蒸发前缘时, 还需要
考虑标准化到土壤温度的相对湿度过饱和的问题。
近年来, 可调谐二极管激光吸收光谱(tunable
diode laser absorption spectroscopy, TDLAS)技术
(Lee et al., 2005; Wen et al., 2008)、离轴积分腔输出
光谱(off-axis integrated cavity output spectroscopy,
OA-ICOS)技术和波长扫描光腔衰荡光谱 (wave-
length-scanned cavity ring down spectroscopy, WS-
CRDS)技术(Wen et al., 2012b)等稳定同位素红外光
谱技术发展迅速, 使得大气水汽δ18O和δD原位连续
观测成为可能。在此基础上, 通过与动态箱或静态
箱相结合直接测定δE, 从而避免模型参数化过程引
入的不确定性将是未来研究的重要方向。
致谢 国家自然科学基金项目(30970517和31171-
500)和中国科学院战略性先导科技专项(XDA0505-
0601-01)共同资助。感谢中国生态系统研究网络
(CERN)栾城农业生态试验站为本研究提供的基础
设施和支持。
参考文献
Baldocchi DD (2003). Assessing the eddy covariance technique
for evaluating carbon dioxide exchange rates of
ecosystems: past, present and future. Global Change
Biology, 9, 479–492.
Barnes CJ, Allison GB (1988). Tracing of water movement in
the unsaturated zone using stable isotopes of hydrogen and
oxygen. Journal of Hydrology, 100, 143–176.
Cappa CD, Hendricks MB, DePaolo DJ, Cohen RC (2003).
Isotopic fractionation of water during evaporation. Journal
of Geophysical Research-Atmospheres, 108, 4525–4534.
Cermak J, Nadezhdina N (1998). Sapwood as the scaling
parameter-defining according to xylem water content or
radial pattern of sap flow? Annals of Forest Science, 55,
509–521.
Craig H, Gordon LI (1965). Deuterium and oxygen 18
variations in the ocean and the marine atmosphere. In:
Tongiorgi E ed. Stable Isotopes in Oceanographic Studies
and Paleotemperatures. Laboratory of Geology and
Nuclear Science, Pisa, Italy. 9–130.
Farquhar GD, Hubick KT, Condon AG (1989). Carbon isotope
discrimination and plant water-use efficiency. In: Rundel
PW, Ehleringer JR, Nagy KA eds. Stable Isotope in
Ecological Research. Springer-Verlag, New York. 21–40.
Flanagan LB, Comstock JP, Ehleringer JR (1991). Comparison
of modeled and observed environmental influences on the
stable oxygen and hydrogen isotope composition of leaf
water in Phaseolus vulgaris L. Plant Physiology, 96,
588–596.
Froehlich K (2000). Evaluating the water balance of inland seas
using isotopic tracers: the Caspian Sea experience.
Hydrological Processes, 14, 1371–1383.
Gat JR (1996). Oxygen and hydrogen isotopes in the
hydrologic cycle. Annual Review of Earth and Planetary
Sciences, 24, 225–262.
Gat JR (2008). The isotopic composition of evaporating waters
—review of the historical evolution leading up to the
Craig-Gordon model. Isotopes in Environmental and
Health Studies, 44, 5–9.
Gochis DJ, Cuenca RH (2000). Plant water use and crop curves
for hybrid poplars. Journal of Irrigation and Drainage
Engineering, 126, 206–214.
Helliker BR, Roden JS, Cook C, Ehleringer JR (2002). A rapid
548 植物生态学报 Chinese Journal of Plant Ecology 2012, 36 (6): 539–549

www.plant-ecology.com
and precise method for sampling and determining the
oxygen isotope ratio of atmospheric water vapor. Rapid
Communications in Mass Spectrometry, 16, 929–932.
Horita J, Rozanski K, Cohen S (2008). Isotope effects in the
evaporation of water: a status report of the Craig-Gordon
model. Isotopes in Environmental and Health Studies, 44,
23–49.
Horita J, Wesolowski DJ (1994). Liquid-vapor fractionation of
oxygen and hydrogen isotopes of water from the freezing
to the critical temperature. Geochimica et Cosmochimica
Acta, 58, 3425–3437.
Hu ZM, Yu GR, Zhou YL, Sun XM, Li YN, Shi PL, Wang YF,
Song X, Zheng ZM, Zhang L, Li SG (2009). Partitioning
of evapotranspiration and its controls in four grassland
ecosystems: application of a two-source model. Agricu-
ltural and Forest Meteorology, 149, 1410–1420.
Huxman TE, Wilcox BP, Breshears DD, Scott RL, Snyder KA,
Small EE, Hultine K, Pockman WT, Jackson RB (2005).
Ecohydrological implications of woody plant encro-
achment. Ecology, 86, 308–319.
Jacob H, Sonntag C (1991). An 8-year record of the seasonal
variation of 2H and 18O in atmospheric water vapour and
precipitation at Heidelberg, Germany. Tellus Series B–
Chemical and Physical Meteorology, 43, 291–300.
Lai CT, Ehleringer JR, Bond BJ, Paw UKT (2006).
Contributions of evaporation, isotopic non-steady state
transpiration and atmospheric mixing on the δ18O of water
vapour in Pacific Northwest coniferous forests. Plant, Cell
& Environment, 29, 77–94.
Lee X, Griffis TJ, Baker JM, Billmark KA, Kim K, Welp LR
(2009). Canopy-scale kinetic fractionation of atmospheric
carbon dioxide and water vapor isotopes. Global
Biogeochemical Cycles, 23, GB1002, doi: 10.1029/2008-
GB003331.
Lee XH, Sargent S, Smith R, Tanner B (2005). In situ
measurement of the water vapor 18O/16O isotope ratio for
atmospheric and ecological applications. Journal of
Atmospheric and Oceanic Technology, 22, 555–565.
Lee XH, Smith R, Williams J (2006). Water vapour 18O/16O
isotope ratio in surface air in New England, USA. Tellus
Series B-Chemical and Physical Meteorology, 58, 293–
304.
Majoube M (1971). Fractionnement en oxygene-18 et en
deuterium entre leau et sa vapeur. Journal De Chimie
Physique Et De Physico-Chimie Biologiue, 68, 1423–
1436.
Meiresonne L, Nadezhdin N, Cermak J, Van Slycken J,
Ceulemans R (1999). Measured sap flow and simulated
transpiration from a poplar stand in Flanders (Belgium).
Agricultural and Forest Meteorology, 96, 165–179.
Merlivat L (1978). Molecular diffusivities of H216O, HD16O,
and H218O in gases. The Journal of Chemical Physics, 69,
2864–2871.
Moreira MZ, Sternberg LD, Martinelli LA, Victoria RL,
Barbosa EM, Bonates LCM, Nepstad DC (1997).
Contribution of transpiration to forest ambient vapour
based on isotopic measurements. Global Change Biology,
3, 439–450.
Ripullone F, Matsuo N, Stuart-Williams H, Wong SC,
Borghetti M, Tani M, Farquhar GD (2008). Environmental
effects on oxygen isotope enrichment of leaf water in
cotton leaves. Plant Physiology, 146, 729–736.
Roden JS, Ehleringer JR (1999). Observations of hydrogen and
oxygen isotopes in leaf water confirm the Craig-Gordon
model under wide-ranging environmental conditions.
Plant Physiology, 120, 1165–1174.
Shuttleworth WJ, Wallace JS (1985). Evaporation from sparse
crops-an energy combination theory. Quarterly Journal of
the Royal Meteorological Society, 111, 839–855.
Sun HY (孙宏勇) (2007). Experiments and Simulation of the
Dynamic Change of Soil Water in Farmland and the Wa-
ter-Saving Effect of Irrigations—Case Study on
Luancheng National station (农田水分动态与节水灌溉
效应实验与模拟——以国家台站栾城为例). PhD dis-
sertation, Institute of Geographic Sciences and Natural
Resources Research. Chinese Academy of Sciences, Bei-
jing. 17–21. (in Chinese with English abstract)
Sun HY (孙宏勇), Liu CM (刘昌明), Zhang XY (张喜英),
Zhang YQ (张永强), Pei D (裴东) (2004). The changing
laws of the diurnal evapotranspiration and soil evaporation
between plants in the winter wheat field of the North
China Plain. Chinese Journal of Eco-Agriculture (中国生
态农业学报), 12(3), 62–64. (in Chinese with English ab-
stract)
Torres EA, Calera A (2010). Bare soil evaporation under high
evaporation demand: a proposed modification to the
FAO-56 model. Hydrological Sciences Journal, 55, 303–
315.
Tsujimura M, Sasaki L, Yamanaka T, Sugimoto A, Li SG,
Matsushima D, Kotani A, Saandar M (2007). Vertical
distribution of stable isotopic composition in atmospheric
water vapor and subsurface water in grassland and forest
sites, eastern Mongolia. Journal of Hydrology, 333, 35–
46.
van de Griend AA, Owe M (1994). Bare soil surface resistance
to evaporation by vapor diffusion under semiarid
conditions. Water Resources Research, 30, 181.
Walker CD, Brunel JP (1990). Examining evapotranspiration in
a semi-arid region using stable isotopes of hydrogen and
oxygen. Journal of Hydrology, 118, 55–75.
Wang XF, Yakir D (2000). Using stable isotopes of water in
evapotranspiration studies. Hydrological Processes, 14,
1407–1421.
Welp LR, Lee XH, Kim K, Griffis TJ, Billmark KA, Baker JM
(2008). δ18O of water vapor, evapotranspiration and the
杨斌等: 华北平原农田土壤蒸发 δ18O的日变化特征及其影响因素 549

doi: 10.3724/SP.J.1258.2012.00539
sites of leaf evaporation in a soybean canopy. Plant, Cell
& Environment, 31, 1214–1228.
Wen XF (温学发), Zhang SC (张世春), Sun XM (孙晓敏), Yu
GR (于贵瑞) (2008). Recent advances in H218O enrich-
ment in leaf water. Chinese Journal of Plant Ecology (植
物生态学报), 32, 961–966. (in Chinese with English ab-
stract)
Wen XF, Lee XH, Sun XM, Wang JL, Hu ZM, Li SG, Yu GR
(2012a). Dew water isotopic ratios and their relationships
to ecosystem water pools and fluxes in a cropland and a
grassland in China. Oecologia, 168, 549–561.
Wen XF, Lee XH, Sun XM, Wang JL, Tang YK, Li SG, Yu
GR (2012b). Intercomparison of four commercial
analyzers for water vapor isotope measurement. Journal of
Atmospheric and Oceanic Technology, 29, 235–247.
Wen XF, Sun XM, Zhang SC, Yu GR, Sargent SD, Lee XH
(2008). Continuous measurement of water vapor D/H and
18O/16O isotope ratios in the atmosphere. Journal of
Hydrology, 349, 489–500.
Wen XF, Zhang SC, Sun XM, Yu GR, Lee XH (2010). Water
vapor and precipitation isotope ratios in Beijing, China.
Journal of Geophysical Research, 115, D01103, doi:
10.1029/2009JD012408.
Wilson KB, Hanson PJ, Mulholland PJ, Baldocchi DD,
Wullschleger SD (2001). A comparison of methods for
determining forest evapotranspiration and its components:
sap-flow, soil water budget, eddy covariance and
catchment water balance. Agricultural and Forest
Meteorology, 106, 153–168.
Wythers KR, Lauenroth WK, Paruelo JM (1999). Bare-soil
evaporation under semiarid field conditions. Soil Science
Society of America Journal, 63, 1341–1349.
Xiao W, Lee XH, Griffis TJ, Kim K, Welp LR, Yu Q (2010). A
modeling investigation of canopy-air oxygen isotopic
exchange of water vapor and carbon dioxide in a soybean
field. Journal of Geophysical Research, 115, G01004, doi:
10.1029/2009JG001163.
Xiao W, Lee XH, Wen XF, Sun XM, Zhang SC (2012).
Modeling biophysical controls on canopy foliage water
18O enrichment in wheat and corn. Global Change
Biology, 18, 1769–1780.
Xu Z, Yang HB, Liu FD, An SQ, Cui J, Wang ZS, Liu SR
(2008). Partitioning evapotranspiration flux components in
a subalpine shrubland based on stable isotopic measure-
ments. Botanical Studies, 49, 351–361.
Yakir D, Sternberg LSL (2000). The use of stable isotopes to
study ecosystem gas exchange. Oecologia, 123, 297–311.
Yamanaka T, Yonetani T (1999). Dynamics of the evaporation
zone in dry sandy soils. Journal of Hydrology, 217,
135–148.
Yepez EA, Huxman TE, Ignace DD, English NB, Weltzin JF,
Castellanos AE, Williams DG (2005). Dynamics of
transpiration and evaporation following a moisture pulse
in semiarid grassland: a chamber-based isotope method for
partitioning flux components. Agricultural and Forest
Meteorology, 132, 359–376.
Yepez EA, Williams DG, Scott RL, Lin GH (2003).
Partitioning overstory and understory evapotranspiration
in a semiarid savanna woodland from the isotopic comp-
osition of water vapor. Agricultural and Forest Meteor-
ology, 119, 53–68.
Yu GR, Wen XF, Sun XM, Tanner BD, Lee XH, Chen JY
(2006). Overview of China FLUX and evaluation of its
eddy covariance measurement. Agricultural and Forest
Meteorology, 137, 125–137.
Zhang SC, Sun XM, Wang JL, Yu GR, Wen XF (2011).
Short-term variations of vapor isotope ratios reveal the
influence of atmospheric processes. Journal of Geo-
graphical Sciences, 21, 401–416.
Zhang SC, Wen XF, Wang JL, Yu GR, Sun XM (2010). The
use of stable isotopes to partition evapotranspiration fluxes
into evaporation and transpiration. Acta Ecologica Sinica,
30, 201–209.
特邀编委: 陈世苹 责任编辑: 李 敏




附录I 阻力项计算
Appendix I Computation of resistance terms
http: //www.plant-ecology.com/appendix/s2012-0061-A1.pdf

附录II 本文中的变量符号及定义
Appendix II Notations in the text
http: //www.plant-ecology.com/appendix/s2012-0061-A2.pdf