利用巴丹吉林沙漠腹地三种植被覆盖下的地下水水位日变化估算地下水蒸散量

摘要

地下水蒸散发的精确估算(ET_G)是干旱区区域水平衡和生态系统恢复研究的关键。利用日地下水水位(GWL)波动的方法已被应用于各种生态系统，特别是干旱或半干旱环境。在本研究中，我们在巴丹吉林沙漠腹地的10个湖泊流域布置了地下水监测装置，并采用White法对ET进行了估算_G这些遗址位于三个主要的植被覆盖之下。结果表明，GWL的日变化规律只出现在有植被覆盖的地区，植被类型及其生长状况是造成这一现象的直接原因。在季节尺度上，日GWL波动幅度与植被物候有关，气温是控制物候幅度差异的重要因素。利用白法的估计结果表明，该方法具有较好的估计效果_G不同植被类型的观测点的ET率不同，ET值最高的月份也不同_G率也将站点之间的不同。总体而言，ET_G观测地点的600 ~ 900毫米是否与芦苇在生长季节(大约在5月初到10月底)，有600 ~ 650毫米厚的降水芨芨草和500 ~ 650毫米的区域白刺tangutorum和芨芨草。地下水位深度和潜在蒸散发共同控制ET_G率，而这两个因素的影响是不同的，取决于每个站点的具体植被条件。阐明了沙漠地下水补给湖泊流域日变化GWL与植被的关系，拓展了白法的应用范围，为区域水平衡的计算与模拟提供了新的依据。

1.简介

在降水稀少的干旱和半干旱地区，大多数植被依靠地下水生存。地下水蒸散发估算(ET_G)是区域水平衡研究的重要组成部分。植被生长通常通过复杂的反馈机制与地下水密切相关[1]，和植被的时空变化在很大程度上是由地下水可用性确定[2，3]。在先前的研究中，深度与水表（DTWT）测定河边植被的空间分布[4，蒸散发与植被空间分布高度相关[五]在干旱和半干旱地区。因此，在极度干旱的荒漠生态系统，关键是要充分了解地下水与植被之间的相互作用，并准确地估计通过植被的区域地下水资源管理消耗的地下水量。

传统的等_G计算方法(如涡动协方差法、溶度计法、Penman模型、遥感反演模型)都不能直接确定ET_G或者在大规模的研究区域中要求高的研究成本。此外，一些观测方法可能过于复杂，无法在恶劣的野外条件下进行。在DTWT较浅的地区，通常可以观察到日变化的地下水水位(GWL)的波动，这是由于在其他因素可以忽略的情况下，phreatophytes定期耗水造成的[6，7]。等_G由White [6]。这种估算方法被称为“白法”，并从此被频繁地用于蒸散发计算。并与其他方法进行了比较_G计算方法，如高度复杂且昂贵的涡动相关方法，以及土地表面均匀性的假设[8]，白方法具有成本效益的，相对简单的，并且适用于长期连续观测[优点9-11]。这些特征突出了ET的白色方法的实用性_G估计，因此已不断发展，自其提案修订[12-15]。目前，这些方法已应用于不同的生态系统，例如湿地环境[16，17以及干旱和半干旱地区的河岸绿洲[11，18，19]。在巴丹吉林沙漠极度干旱的内陆地区，地下水补给的湖泊盆地中生长的植被依靠地下水生存。因此，White方法可以用来估计ET_G在这个极度干旱的沙漠湖泊生态系统中

准确的ET_G用怀特方法估计是基于地下水动力学的理解及其与植被的关系。从昼夜GWL波动中提取的信息还用来研究地下水和植被[之间的相互作用10，20.]。例如，Engel等人[21]观察日GWL波动林区在生长季节，但邻近的草原期间并没有表现出这种现象。德卡斯特罗·奥乔亚和雷诺索[22]发现升高的温度所引起的植被蒸腾速率的增加。当上升的温度达到临界点时，停止蒸腾由于叶气孔关闭，而这些变化都反映在日常GWL波动。另一项研究表明，植被类型，气候条件和土壤性质共同决定的昼夜波动GWL的大小[7]。总的来说，现有研究强调了phreatophytes与周围环境的密切关系，但实际的野外观测研究还比较有限[23，24]。因此，地下水的动态特性以及它与外部条件的关系需要进一步研究。此外，主要因素分析影响ET_G率将有助于阐明地下水和植被之间的复杂关系。

在巴丹吉林沙漠在中国西北腹地的110个永久湖泊的形成机制是有争议的，和水的消耗在湖盆中的不确定性是这起纠纷的主要原因。沙漠中的湖泊盆地腹地与浅层地下水，其中在大约一半的年度植被茂盛相当大的面积。因此，ET_G不可忽视，是区域水平衡计算的重要组成部分。然而，沙漠腹地对野外工作者来说是一个不利的环境，阻碍了长期的研究。大多数监测方法只能在单一地点进行原位观测或在小规模地区进行，这妨碍了对植被驱动的需水量时空变化的有效监测。此外，水资源管理通常需要在人类活动的干预下，根据当前生态系统的需水量预测未来的需水量。因此，必须首先明确GWL的日动态特征以及植被与地下水动态的关系，然后才能发展出一种简单实用的沙漠腹地绿洲植被需水量估算方法。这种方法将支持水资源的合理利用，并为上述未解决的问题提供科学依据。因此，本研究试图通过监测极度干旱的巴丹吉林沙漠腹地补给湖泊盆地的浅层地下水来估算ET_G。

2.材料和方法

2.1。研究网站

巴丹吉林沙漠（39°04'15“〜42°12'23”N，99°23'18“~104°34'02”E）位于阿拉善高原，西部内蒙古自治区，中国。It is roughly to the south of the ancient Juyan and Guaizi Lakes, north of the Heli and Beida Mountains, west of the Yabrai and Zong Nai Mountains, and east of the Gurinai Plain, with an area of approximately 52,200 km²[25]。研究区位于同一个大陆性气候的东亚夏季风的西北边缘区域内。夏季和冬季的平均每日温度是25.3℃，-9.1℃，分别[26]。该mean annual precipitation is ∼100 mm, which is mainly concentrated in May to September and exhibits large interannual variability [27]。沙漠中的巨型沙丘与湖泊相互依存，常年有110个地下水补给湖泊，大部分面积小于1公里²[28]。地下水补给过程主要发生通过白垩纪和第三纪砂岩，并允许对浅层地下水循环的空间由季碎石，细沙和粉细砂[为主29]。

巴丹吉林沙漠有封闭的淡水湖、咸水湖和按水中溶解固体总量分类的盐湖。湖盆植被景观以水体周围的环形带分布为特征[30.]。滨水地区是沼泽草甸，地下水深度小于0.5米，植被短而密，包括如海韭菜和Glaux maritima。环绕水的第二个地带主要是盐碱化的草甸，地下水深度约1米，植被丰富芨芨草，芦苇,乌拉尔甘草。外围地带的地下水深度约为2米，植被覆盖范围包括白刺tangutorum和艾salsoloides。植被最外缘分布在固定沙丘和半固定沙丘之间，与流沙相连。巴丹吉林沙漠的湖泊生态系统人类活动极少，是研究超干旱地区生态水文过程的理想场所。研究小组自2010年以来已经在沙漠湖泊盆地建立了10个GWL监测点(图1)1);本研究首次对这些站点的数据进行了分析。

2.2。GWL和气象参数的观测和数据处理

Ten groundwater observation wells were established in different lake basins with shallow groundwater, which were constructed with PVC screens with a diameter of 8 cm. Hourly GWL was measured with a pressure transducer (Solinst 3001; Solinst Canada Ltd., Georgetown, ON, Canada), which had a measurement accuracy of 0.1 cm, clock accuracy of ±1 min/year, and work temperature range of −10°C to 40°C. The DTWT was 0∼2 m at the observation wells, and the transducers were fixed at ∼30 cm below the water table. The transducer measured both the total pressure of the water column above the probe and the atmospheric pressure, which was revised using a Barologger barometer (Solinst). The daily changes in GWL in the observation wells were calculated during the growing season, which was defined as the difference between the maximum and minimum values within a day (amplitude in cm). Because missing data could affect the calculation, data were only considered if more than 90% of the normal daily total amount of hourly data were collected; otherwise, the amplitude for that day was excluded from the analysis. Before groundwater series were applied to the White method, a median smoothing filter in MATLAB was applied to eliminate noise.

要获取气象参数，需要一个气象站(MAWS-301;Vaisala, Vantaa, Finland)位于巴丹吉林沙漠腹地苏木吉林南湖和北湖之间的平地上。使用QMH102传感器(Vaisala)观察温度(°C)和相对湿度(RH， %)，观察间隔为10 s，输出间隔为10 min。采用NR01净辐射传感器(荷兰代尔夫特Hukseflux热传感器)观测辐射(Rg, W/m)，每30分钟输出一次。降水(mm)采用HOBO RG3-M (Onset Computer Corp.， Bourne, MA, USA)倾斜雨量计进行监测，记录降雨事件，精度为0.2 mm/计。根据观测数据，采用日平均气温、日平均RH、日Rg、日降水量进行后续分析。Rg和降水量为一天的总量，温度为03:00、09:00、15:00和21:00(中国标准时间)的平均值。采用Penman-Monteith (FAO56)方法计算日最高和最低温度、RH、Rg和风速(WS, m/s) [31]。本研究的数据均为2014年的观测记录。

2.3。估计等_G来自GWL的日变化

在改进的White方法中，Loheide提高了浅层DTWT和ET区域的计算精度_G可按每小时计算[32]。因此，这种改进的方法将此后称为Loheide方法，将其施加以估计ET_G在不同植被条件下的八个观察点。分析和讨论了几种假设，以解释该方法的适用性和减少不确定性。观测井附近地下水储量的变化可以用GWL随时间的变化来表示 。库容的变化受附近地下水的净流入或净流出的控制 和ET_G： 在哪里小号_ÿ是特定的产率。

当外星人_G为零，方程（1)可以简化为:

的补给量为时间的函数[33]。Loheide [32]假设补给源的头部是恒定的。因此，井可以从观察到的水表中的记录中获得的观察的充电速度，如在等式（2):

该方法假设恢复补给水头的变化趋势与实测水位记录相似;因此，GWL中包含的趋势可以被删除如下: 在哪里是detrended GWL，为观测GWL，为趋势线斜率，是趋势线截距。

是的函数和 ，根据感兴趣日00 - 06:00和次日的非趋势GWL，可以得到该函数的最优拟合估计值。然后，为了得到充值率函数，

最后，是计算

的估计不确定度（特定产率）是使主要因素估计错误(23，34]。Loheide等人进行的模拟实验[35)来估计表明日GWL波动和前期水分条件几乎没有影响的 。此外,Meyboom [36]建议，容易获得的值应该是标准定义的一半 ，而Loheide等人[35我认为这个建议应该根据具体情况而定。获取研究区取0-0.8 m和0.8-1.5 m两个深度范围的土样。土壤水分曲线的测定采用压力板萃取器(Daiki-3404;获取van Genuchten模型中使用的重要参数，并使用Mastersizer 2000激光衍射仪(Malvern Panalytical, Malvern, UK)分析土壤样品的特性。0 - 0.8 m土样的砾石(>2 mm)、砂(0.0625-2 mm)、泥沙(0.004 - 0.0625 mm)和粘土(<0.004 mm)含量分别为0、98.63、1.37和0%，0.8-1.5 m土样的砾石含量分别为0、78.58、19.10和2.32%。van Genuchten参数(无单位),(无单位),（厘米^-1),(unitless) for the 0–0.8 m sample were 0.0291, 0.3873, 0.0425, and 2.363 and those for the 0.8–1.5 m sample were 0.0153, 0.3732, 0.0259, and 1.753, respectively. The通过克罗斯比等人提出的估计方法。[37使用: 在哪里为土壤饱和含水量，为残余含水量，和初始和最终DTWT，和α和ñ是van Genuchten模型中的参数。

3.结果与讨论

3.1。日GWL波动和植被的关系

从地下水位观测记录中，除G1、G2井几乎全部为裸砂外，其余8个地下水位观测点的GWL日变化规律(见表2)1)。探测到波动的观测地点覆盖着各种类型的植被(见表)1主要的植被类型)。这一现象出现于5月至10月，与观测点的沙漠湖滨植被生长季节相吻合(见图)2 (d)水井G6和G8）。这些发现上面提到表明，昼夜GWL波动均与覆盖湖滨地区植被。

在日尺度上，GWL日变化呈现出白天水位持续下降，夜间水位逐渐上升的特征，上午达到最大值，下午达到最小值。这种diel循环一般被认为是由phreatophytes的日常常规耗水量所诱导的，其本质上代表了地下水横向补给与植被对地下水的消耗之间的动态平衡[6，38-40]。在季节尺度上，8个地点的GWL日变化幅度有所不同，这是由于植被与周围环境相互作用的结果[1，7，41]。为了进一步了解日GWL波动与各观测点植被在季节尺度上的关系，图中给出了观测点G4、G6和G9在不同月份无雨期间的日GWL波动3。4月中旬，由于气温较低(日平均最高气温20.0℃，最低气温3.9℃)，且无发芽植被，三个观测点的GWL日变化不明显。数字3说明从六月明显的日GWL波动九月荒漠植被是处于生长发育阶段和大量的地下水被消耗。七月份的日GWL波动幅度在观测地点G6和G9更加明显，虽然在七月DTWT是高与六月份相比，呈现昼夜GWL波动七月更大的幅度。在七月驱使更高植被蒸腾（平均每日最高和最低温度：33.5℃，17.3℃）的气象条件可占提到观察结果。在十一月底，植被进入休眠期和昼夜GWL波动，因为在沙漠中较低温度的降低（平均每日最高和最低温度：8.9℃，和-6.7℃）。

日GWL波动在不同观测点间存在差异。如图所示3，观测点G4 6 ~ 9月GWL日变化幅度大于观测点G6、G9。为了全面了解这些变化，将各观测点在植被生长期和非生长期的GWL日变化幅度绘制为单独的箱线图(图1)4)。G3-G10(有植被覆盖)观测点生长季节GWL日变化幅度较大，非生长季节变化幅度可以忽略不计。在裸沙区G1和G2，无论在植被生长期还是非生长期，GWL的日变化都不明显。此外，G3-G10不同生长季节GWL日变化幅度也不同，这与植被类型有关。例如，G4和G5地点的振幅，主要被芦苇，均大于G6-G10位点芨芨草和白刺tangutorum。有趣的是，网站G3，也主要覆盖了芦苇， GWL日变化幅度小于G4和G5，说明植被类型并不是影响GWL日变化的唯一因素。因此，气候条件、土壤性质和地下水动态过程也可能造成耗水量和补给平衡的差异，表现为GWL日变化的空间差异。

3.2。估计等_G在三植被盖

用White方法估计ET_G三所植被覆盖观测点的速率。选择观测地点G3-G10期间植被生长季节的GWL记录分析ET_G率，统计结果汇总为表2。的等_G速率与植被类型有关，特别是在生长季节中期。由植被类型与日平均ET的关系_G率，观测地点可分为三类:ET_G利率在网站G4和G5，与生长良好的芦苇coverage, was ∼5 mm/d; the daily average ET_G观察地点以G6和G7为主芨芨草覆盖度为3 ~ 4毫米，其中包括植被覆盖度在这一类别中最好的G7站点，即ET_G速度达到4毫米/天;G8-G10的其余三个观测点主要为白刺tangutorum，以及每日平均ET_G利率相对较低。总体而言，本研究中三个植被覆盖物对地下水的消耗顺序为芦苇>芨芨草>白刺tangutorum。这些结果与ET一致_G类似的研究领域率。例如，一个区域覆盖柳树psammophilain the Mu Us Desert, China, had a DTWT of 1∼1.5 m and daily ET_Grate of 3∼4 mm in the growing season [42，这与对观测地点的估计大致相同白刺tangutorum和芨芨草在这项研究中。这种相似性支持了估计结果在表示ET时的准确性_G荒漠植被湖畔率。

在这项研究中，ET_G率也与植物的生命力。例如，现场与G3芦苇，与植被相似的G4和G5相比，植被条件较差，斑块稀疏，生存能力较弱。如上所述，该区域GWL日变化幅度较小，最终反映在较低的ET中_G率比在网站G4和G5。其他网站也出现了类似的情况，这反映在每日最高ET_G率。观测点G3的日平均ET值最大_Grate of 6.2 mm/d, which was similar to that of observation sites with白刺tangutorum。相反，最大每日ET_G速率在G6位点，与芨芨草，达到11.3毫米/日，略低于生长良好的地点芦苇。

在季节尺度上，ET_G受植被物候控制[7]。在这项研究中，估计ET_G从7月到8月比生长季节的其他阶段都要高(图五)。日平均ET峰值出现的时段_G发生并不是观测站点之间完全一致。最高日平均ET_GG3、G6、G9、G10发生在7月初，而ET发生在7月初_G观测点G4和G7的率明显高于从七月中旬至九月初比其他生长阶段。这表明，最佳生长时期不同的植被的类型和活力站点之间变化。由于较好的植被覆盖度和网站G4和G7的生长条件，植被保持比较好的增长和消耗大量的地下水，即使在其他网站上的植物进入他们的最后生长阶段在九月。为了解释这种差异，以前的研究表明，在导致不同时期的各类落叶和nondeciduous植被达到最大后，ET是差异_G[43]。本研究的植被由草本植物和小灌木植物组成，植被覆盖度与上述研究不同。因此，不同步的最大日平均ET是合乎逻辑的_G通过植被的类型和生长活力主要驱动。

3.3。ET的控制因素_G率

植被的类型，气象参数，和地下水动力学共同导致在观测点在昼夜GWL波动时空变化，这最终反映在ET_G。为了进一步探究影响ET的关键因素_G在观测地点的速率和控制ET的机制_G在巴丹吉林沙漠，外星人之间的关系_G与DTWT和气象参数率进行了分析。以观察部位G6作为一个例子（图6），有ET之间的显著正相关_G速率和气温，这与图中得出的温度是控制日GWL波动的季节尺度变化的关键因素的结果一致3。此外，ET_GG6站点速率与太阳辐射呈正相关，与风速、相对湿度等因素无显著关系。这些结果表明，气温和太阳辐射是控制ET的关键气象因子_G利率在这个观测点。

ET之间的关系_G率和现场G6外部因素表明，巴丹吉林沙漠气象条件均是控制ET的最关键因素_G率。为了验证这个结论，ET之间的关系_G率和PET在8个观测点（即，作为的气象条件的综合指标）进行了调查。显著正相关（[R² = 0.38∼0.54) were observed at all sites except G7 (Figure7)，显示了气象因素对ET的影响_G率。作为比较，之前在半干旱地区的研究表明ET_G与PET呈弱正相关([R² = 0.02∼0.32) [19和劳茨[23也报道了PET和ET之间类似的相关性_G在河岸区域。相比之下，ET_GYuan等[18在荒漠河岸林中与PET呈显著正相关。Mazur等人[17]还认识正相关和估计出的ET_C(即。，interpolated ET rate) based on the significant relationship between the estimated ET_G当怀特方法是不合适的ET PET_G估计。因此，估计ET之间的相关性_G和PET不同的观察点之间，以及两者之间的关系应该由Mazur等施加估计方法之前进行探讨。[17]。

在这项研究中，估计ET_G多数观测点PET相关性较高，降水事件较少。因此，可以联合使用White和Mazur的估算方法来量化地下水年消耗量(见图)8参阅观测地点G6)的估计结果。G3、G5、G6、G8、G9和G10观测点的选择是基于估计ET之间的显著关系_G和PET，总ET_G在整个生长季节(184天)。的等_Granged from 600 to 900 mm at observation sites with芦苇根据覆盖条件的不同，其范围从600毫米到650毫米不等Achnatherum splendens。在与网站白刺tangutorum和Achnatherum splendens,的等_Granged from 500 to 650 mm.

一般地，地下水的可用于植物根系的量作为DTWT的增加而减少，从而导致DTWT和ET之间的负相关关系_G率(44]。此外，Cooper等人。[45发现1.6米的水位下降导致了62%的ET减少_G，强调DTWT变化对ET的影响_G。在这项研究中，DTWT范围内的观测点各不相同，以及它们与植被类型，植物的生命力，蒸散率关系是由杰克逊等人观察到的趋势是一致的。[44]。如G4、G5观测点，主要为密集覆盖芦苇，had a DTWT of 0.7∼1.5 m. Meanwhile, sites G8 and G9 covered sparsely with白刺tangutorum，had a DTWT of 1.2∼1.7 m. Correspondingly, under the same meteorological conditions, the ET_G的网站率芦苇是否显著高于有白刺tangutorum。

估计总ET_Gat each observation site in the growing season was greater than the total annual precipitation in that year (103.7 mm), but there was no difference in the DTWT at the beginning and end of the growing season. Overall, the water level first declined and then returned to the original level (Figure9)，说明地下水是研究区湖泊的主要补给源，降水补给量较小。地下水横向补给和降水补给总量均大于总ET_G。因此，在这种情况下，地下水是植被生长的主要水源，ET_G过程取决于地下水补给。然而，ET之间存在正相关关系_GG6观测点的速率和DTWT(图2)6),the water table decreased by ∼0.2 m from May to August, while the estimated ET_G呈增加的趋势（图9)。这种看似矛盾的现象可以通过以下事实来解释，ET_G速率由DTWT和PET共同控制，PET在该时期的效果优于DTWT。在本研究观察期间，DTWT的变化对ET的影响不显著_Grate because DTWTs were shallow (i.e., all within 2 m) and presented relatively small changes, all within 2 m. Therefore, observation sites with a wider DTWT range can be set up in future research to further discuss the influence of DTWT on the ET_G率。

3.4。应用该方法的局限性和观察结果

白方法及其修订方法中的应用是基于四个基本假设：还原（1）中GWL通过植被仅诱导;（2）在夜间蒸腾是弱和可忽略不计（3）在夜间可以代表在某一天地下水补给率GWL平均提高利率;（4）特定的产率是代表性的和可靠的。虽然地下水信号方法已被广泛验证，并在干旱地区植被蒸散量的研究应用，假设仍然有一定的局限性。这些短缺的具体反映在以下情形：横向GWL补给率改变每天的基础上，并有使用GWL的不断上升速率在夜间补给率的错误;准确具体的收益率并不容易实现;高频数字数据采集设备的进步，最近的研究发现，一些植物的蒸腾晚上没有完全停止[五，46]。为了克服这些不足，许多研究提出了一些修订的方法。关于地下水补给率的计算，Troxell [33质疑充电率是否每天都是恒定的。后来，以Gribovszki等人为代表的学者[14和Loheide [32]提出了获取动态日充值率的新方法，改进了ET_G估计精度。

考虑到这些基本假设及其局限性，在巴丹吉林沙漠地下水日信号法的应用中还存在一些有待解释的问题。由于全球变暖日变化的机制不同，全球变暖日变化可分为不同类型[40]。除了大气压力和蒸散发引起的循环外，GWL系列很容易区分，因为两者具有相似的波动形状。大气压力效应也可以发生在非承压含水层中，它们通常互为镜像[47-49]。大气压力引起的日循环和蒸散发都是连续的时间序列。然而，在他们的日常变化有显着差异。压力主导的GWL旋回与各季节的大气压力波动密切相关，GWL的谷值和峰值分别对应全天的最大和最小气压。与Jiang等人观测到的GWL日变化类似[50], air pressure reached a maximum at approximately 10 : 00 am each day when the water level was the lowest. Conversely, the pressure was lowest at 3 : 00 pm when GWL reached its maximum. In the case of the Badain Jaran Desert, diurnal GWL fluctuations are completely different from the above type and are consistent with the ET-diurnal cycles [40]。

白法的第二个假设(即，the transpiration of vegetation at night is negligible) can be confirmed by comparing the results in this study with other research results in nearby desert areas. For example, Yuan et al. [18]认为基于使用由荒漠植被覆盖的区域的涡度协方差法的意见，晚上地下水蒸散弱。选择观察该网站是由占主导地位柽柳,在那里芦苇，胀果甘草，其他类型也会生长，这与本研究的观测地点非常相似。另外，其他基于White方法的研究估算了植被覆盖的Mu Us和Gobi沙漠地区的地下水蒸散发[11，42，43]。虽然在大多数情况下，夜间植被的蒸腾作用可以忽略不计，但其他研究已经确定，在某些环境下，夜间的蒸腾作用相当大。因此,等_G在这些情况下，估计是基于假设的可靠性。在未来的研究中，有必要对夜间植被耗水量进行监测，以减少ET_G估计的不确定性。

在怀特法的研究中，获取含水层比产的方法也很重要。比产量不仅与含水层土壤质地有关，还受地下水位深度、GWL时间变化率、排水时间等因素的影响。为了获得有代表性、可靠的比产量，有各种基于实际研究条件的方法。Gribovszki [51]最近提出一个昼夜方法来获得动态特定产率和与传统的特定产率估计技术进行了比较。此外，抽水试验估计被认为是一个相对低成本和合适的方法，因为它是最类似于动态特定产率。而这将是难以实现在本文中所研究的腹地蛞蝓试验，比较可靠的特定产率可以可行地通过pF的曲线（基于纹理的场容量值）获得。然而，通过该方法获得的特定的产率和非动态也可能成为ET的源_G估计错误。因此，在这项研究中的具体产量估计意见进一步解释如下。

在浅层地下水环境中，单位产量与DTWT密切相关，是动态的。现有研究[五]结合排水实验和模拟建模方法，获得了0 ~ 2 m内DTWT比产率的变化。当DTWT在0.8 m以内时，比产率随DTWT加深而变化。当深度大于0.8 m时存在差异，DTWT变化对比产量的影响开始减小，趋近于一个依赖于土壤质地的恒定值。在另一种情况下，观察结果表明，特定收益率与DTWT之间不存在显著相关性[51]，对于其中GWL变化的范围内被认为是地下水小和深度补偿是不是要考虑的关键问题。DTWTs varied from 0.8 to 1.1 m in the second case; therefore, to some extent, the results of the two studies mentioned above were consistent. In the present study of the Badain Jaran Desert, the DTWTs of each observation site was greater than 0.8 m (Figure7)除了G3和G5的观测点，它们在生长季节开始和结束的短时间内DTWTs小于0.8 m。从这个角度看，大多数观测点DTWTs的变化对具体产量估算的影响不大。然而，本研究的具体产量估计是非动态的，因为它没有考虑到与泵注试验估计或动态日变化方法相关的GWL动态时间变化率。因此，具体的产量估算可能成为ET的一个来源_G估计错误。根据Gribovzxki的比较，本研究估计的比产量将略高于动态法计算的比产量。在未来的研究中，有望在地下水观测点中增加土壤水分监测仪器，观测动态比产量，从而提高ET_G估计精度。

4.结论

摘要以巴丹吉林沙漠湖泊流域的GWL观测值和气象参数为基础，分析了流域GWL日变化的时空尺度特征及其与植被的关系。后来,等_G采用白色法进行估计，ET的主要控制因素有哪些_G进行了探讨。观测系列表明，日GWL波动与植被生长季节一致，是由phreatophytes植物对地下水的消耗驱动的。不同地点GWL日变化幅度存在明显差异，这与植被类型和活力有关。在季节尺度上，气温通过控制植被物候和地下水消耗，是影响GWL日变化的重要外部因素。

估计等_G用植被类型相关联并显示出一定程度的与植被生长阶段的关联。该观测点，可分为基于估计结果和植被类型三类，和ET_G遵循一般规则芦苇>芨芨草>白刺tangutorum。在巴丹吉林沙漠的湖泊盆地中，植被生长在DTWT值约为2 m的区域内，气象因素对植被蒸腾的影响要大于DTWT值较高的其他区域。另外，DTWT和PET都是控制ET的重要因素_G率，而其影响则因观测地点的不同而不同。

这项研究进一步扩大怀特方法，并提供了新的研究范式日GWL波动的依赖地下水的生态湖畔研究的地域适用性。此外，研究结果可能成为解决在巴丹吉林沙漠湖泊形成机制的争议，并支持区域地下水资源可持续利用提供科学依据。

数据可用性

用于支持本研究结果的地下水位数据和气象数据由兰州大学冰川与沙漠研究中心授权提供，因此不能免费提供。应该向通信作者提出访问这些数据的请求。

的利益冲突

作者声明他们没有利益冲突。

致谢

感谢国家自然科学基金(41530745和41871021)和中央大学兰州大学基础研究基金(lzujbky-2016-275)的资助。感谢兰州大学冰川与沙漠研究中心的牛振民、徐兴斌、梁晓燕和温鹏辉对本次研究的野外工作所做的贡献。

参考文献

1. F. Orellana, P. Verma, S. P. Loheide和E. Daly，“地下水生态系统中水-植被相互作用的监测和建模”，地球物理评论，第50卷，no。3、文章编号RG3003, 2012。视图:出版商的网站|谷歌学术搜索
2. E.瑙姆堡，R.马塔 - 冈萨雷斯，R. G.猎人，T. Mclendon和D. W.马丁，“Phreatophytic植被和地下水波动：目前的研究和应用生态系统响应建模与大盆地植被为重点的审查，”环境管理，第35卷，no。6，页26-740,2005。视图:出版商的网站|谷歌学术搜索
3. 李晓霞，吕丽露，程国贵，肖华，“利用碎片统计对中国西北黑河流域景观结构的量化”，干旱环境杂志，第48卷，no。4，第521-535页，2001。视图:出版商的网站|谷歌学术搜索
4. S. P. Loheide和S. M.戈雷利克，“河岸hydroecology：地下水流和草甸植被图案之间所观察到的相互作用的耦合模型，”水资源研究，第43卷，no。7、文章ID W07414, 2007。视图:出版商的网站|谷歌学术搜索
5. 范，Ostergaard, Guyot，藤原和Lockington，“用昼夜水位波动估计亚热带松树人工林的地下水蒸发蒸腾:夜间用水的影响，”《水文，第542卷，第679-685页，2016。视图:出版商的网站|谷歌学术搜索
6. W. N.白“从土壤和植物蒸发估计基于排放地下水供应的方法：在埃斯卡兰特谷，犹他，调查结果”技术。众议员，美国地质勘探局数字系列，给水纸659-A，美国政府印刷局，华盛顿特区，美国，​​1932年。视图:谷歌学术搜索
7. J. J. Butler, G. J. Kluitenberg, D. O. Whittemore等人，“地下水位中由phreatophyte引起的波动的现场调查，”水资源研究，第43卷，no。2、文章ID: W02404, 2007。视图:出版商的网站|谷歌学术搜索
8. 德雷克斯勒、斯奈德、斯潘诺和帕普，“用于估算湿地蒸散发的模型和微气象方法综述”，水文过程，第18卷第2期。11, 2071-2101页，2004。视图:出版商的网站|谷歌学术搜索
9. J. Zhu, M. Young, J. Healey, R. Jasoni，和J. Osterberg，“水位变化对日地下水水位波动的河岸带蒸散发估算的干扰，”《水文，第403卷，编号3-4页，381-389页，2011。视图:出版商的网站|谷歌学术搜索
10. L.阴，Y.周，S.葛，D.闻，E.章，和J.董，“比较和用于使用在干旱半干旱地区昼夜地下水位波动估算蒸散方法修饰，”《水文，第496卷，第9-16页，2013年。视图:出版商的网站|谷歌学术搜索
11. P.王，S. O. Grinevsky，S. P. Pozdniakov等人，“在下超干旱环境2 phreatophyte主导地点估计蒸散地下水位波动中的应用，”《水文，第519卷，编号B部分，2289-2300,2014。视图:出版商的网站|谷歌学术搜索
12. 一种通过从河岸带的蒸散发来估计水流损失的方法，" I. C. Reigner， "森林科学，第12卷，no。2，第130-139页，1966。视图:谷歌学术搜索
13. P.鲍尔，G Thabeng，F.斯托弗和W. Kinzelbach，“从奥卡万戈三角洲，博茨瓦纳日地下水位波动蒸散率估算，”《水文， 288卷，不。3-4页，344-355页，2004年。视图:出版商的网站|谷歌学术搜索
14. Riparian zone蒸散量估算之日地下水水位波动《水文卷。349，没有。1-2，第6-17，2008。视图:出版商的网站|谷歌学术搜索
15. “一种估算日地下水水位波动蒸散量的统计方法，”水资源研究，第50卷，no。3、2276-2292页，2014视图:出版商的网站|谷歌学术搜索
16. C. E. Hughes, J. D. Kalma, P. Binning, G. R. Willgoose，和M. Vertzonis，“估算澳大利亚纽卡斯尔温带盐沼的蒸散发，”水文过程，第15卷，no。第957-975页，2001。视图:出版商的网站|谷歌学术搜索
17. M. L. C.马祖尔，M.J。威利，和D. A.威尔科克斯，“从水 - 表波动估算蒸散量和地下水流用于一般的湿地的情况下，”生态水文学，第7卷第1期2、2014年第378-390页。视图:出版商的网站|谷歌学术搜索
18. G.元，Y.罗，M.邵，张P.和X.朱，“蒸散量和超过在塔里木河流域的荒漠河岸林的主要控制机制，”中国地球科学卷。58，没有。6，第一零三二年至1042年，2015年。视图:出版商的网站|谷歌学术搜索
19. W. F.悦，T. J.王，T. E.弗朗茨和X. H.陈，“在半干旱地区人工河岸植被地下水位波动和蒸散量的时空格局，”水资源研究，第52卷第2期3、1948-1960年，2016年。视图:出版商的网站|谷歌学术搜索
20. P.王，张Y.，J.钰，傅G.和F敖，“在较低的黑河流域引起地下水波动的植被动态，中国西北，”植物生态学杂志，第4卷第1期1-2页，77-90,2011。视图:出版商的网站|谷歌学术搜索
21. V.恩格尔，E. G.Jobbágy，M.斯蒂戈雷兹，M.威廉斯和R. B.杰克逊，“在阿根廷潘帕斯桉树造林的水文后果，”水资源研究，第41卷第1期。10，文章编号W10409，2005年。视图:出版商的网站|谷歌学术搜索
22. F.德卡斯特罗·奥乔亚和J. M.雷诺索，“在Doñana国家公园长期水台动态的模型，”水的研究，第31卷第1期10, 2586-2596页，1997。视图:出版商的网站|谷歌学术搜索
23. L. K. Lautz，“在半干旱河岸带使用日地下水位波动估计地下水蒸发率，”水文地质杂志卷。16，没有。3，第483-497，2008。视图:出版商的网站|谷歌学术搜索
24. 范，欧斯特加德，盖奥特和洛金顿，“在澳大利亚亚热带沿海含沙含水层三种植被覆盖下，地下水补给和蒸发蒸腾的估算”《水文，第519卷，编号A部分，第1120至1129年，2014年视图:出版商的网站|谷歌学术搜索
25. 朱建芳，王，陈，董，张，“巴丹吉林沙漠边界与区域的遥感影像研究”，地理的进展，第29卷，no。9，第1087至94年，2010。视图:谷歌学术搜索
26. N.马，N. A.王某，Z. L.李X. L.陈，J. F.朱和C. Y.东，“分析期间一九六零年至2009年在巴丹吉林沙漠的北部和南部边缘地区的气候变化，”干旱带的研究卷。28，没有。2，第242-250，2011。视图:谷歌学术搜索
27. 王南安，马南安，陈洪兵，陈晓林，董正元，张正元，“巴丹吉林沙漠腹地降水特征的初步研究”，水科学的进展卷。24，没有。2，第153-160，2013。视图:谷歌学术搜索
28. 王乃光，宁，李，王，贾，马，“巴丹吉林沙漠全新世高湖平面及泛湖时期”，中国地球科学，第59卷，no。8、第1633-1641页，2016。视图:出版商的网站|谷歌学术搜索
29. 王世生、胡世宁、金世民、侯立增、钱荣义、王立德，“巴丹吉林沙漠地下水与湖泊之交互作用”，地球科学前沿，第21卷，no。4，第91-99页，2014。视图:谷歌学术搜索
30. 朱宗德，吴宗德，刘树森，介绍到中国的沙漠，科学出版社，北京，中国，1980年。
31. R·G·艾伦，L. S. Pereira的，D.参见Raes，和M.史密斯，“作物蒸散：用于计算作物需水量的准则，”粮农组织灌溉和排水文件第56号食品和联合国，罗马的农业组织，意大利，1980年。视图:谷歌学术搜索
32. “利用日水位波动估计浅层地下水亚日蒸散量的方法”生态水文学卷。1，没有。1，第59-66，2008。视图:出版商的网站|谷歌学术搜索
33. 特罗克塞尔:“圣塔安娜河的地下水和流量的日变化及其意义，”交易中，美国地球物理联合会卷。17，没有。2，第496-504，1936。视图:出版商的网站|谷歌学术搜索
34. R. W. Healy和P. G. Cook，“利用地下水水位来估计补给，”水文地质杂志，第10卷第1期。1，页91-109,2002。视图:出版商的网站|谷歌学术搜索
35. 罗海德、巴特勒和戈雷利克，“利用地下水位日变化估算地下水位耗水量:饱和-非饱和水流评估，”水资源研究，第41卷第1期。7、文章编号W07030, 2005。视图:出版商的网站|谷歌学术搜索
36. p . Meyboom公告139- Assiniboine河流域地下水研究第二部分:萨斯喀彻温中南部Phreatophytic植被水文特征，加拿大能源、矿产和资源地质调查局，加拿大，1967年。
37. 使用地下水位波动法来推断地下水补给的时间序列方法，水资源研究，第41卷第1期。1、文章编号W01008, 2005。视图:出版商的网站|谷歌学术搜索
38. A. R.克罗夫特，“水损失流表面蒸发和由河岸植被，”交易中，美国地球物理联合会，第29卷，no。1948年第235-239页。视图:出版商的网站|谷歌学术搜索
39. Tschinkel，“与蒸发和蒸腾作用有关的水流的短期波动，”地球物理研究杂志卷。68，没有。24，第6459-6469，1963。视图:出版商的网站|谷歌学术搜索
40. 格里博夫斯基，J.西拉吉，P.卡利奇，“浅层地下水水位和流量的日变化及其解释——综述”《水文，第385卷，no。1-4页，371-383页，2010。视图:出版商的网站|谷歌学术搜索
41. P. Csafordi, a . Szabo, K. Balog, Z. Gribovszki, a . Bidlo，和T. Toth，“控制大匈牙利平原生长季节地下水水位日变化的因素:一种统计方法，”环境地球科学，第76卷第1期20,2017年第675页。视图:出版商的网站|谷歌学术搜索
42. D.-H。程，李，陈，w.k。王,G.-C。侯,C.-L。王，“利用中国北部穆阿斯沙漠地下水位日变化估算地下水蒸腾”，《水文卷。490，第106-113，2013。视图:出版商的网站|谷歌学术搜索
43. 程，段，钱，齐，杨，陈，“中国北部穆乌斯沙地沙状植被下的地下水蒸散量”，干旱区的，第9卷第1期1、2017年第98-108页。视图:出版商的网站|谷歌学术搜索
44. R. B. Jackson, J. Canadell, J. R. Ehleringer, H. A. Mooney, O. E. Sala, and E. D. Schulze，“陆地生物群落根系分布的全球分析”，环境科学，第108卷，no。3，第389-411页，1996。视图:出版商的网站|谷歌学术搜索
45. D. J. Cooper, J. S. Sanderson, D. I. Stannard，和D. P. Groeneveld，“在干旱地区的植物群落中，长期地下水位下降对蒸散发和植被的影响，”《水文，第325卷1-4页，21-34页，2006。视图:出版商的网站|谷歌学术搜索
46. M. A. Caird, J. H. Richards，和L. A. Donovan， " C3和C4植物夜间气孔导度和蒸腾"植物生理学第143卷第1期1, 2007年第4-10页。视图:出版商的网站|谷歌学术搜索
47. P. W.野兔和R. E.莫尔斯，“水平的波动是由于非承压含水层的隔离部分气压变化，”地下水，第35卷，no。4，第667-671，1997。视图:出版商的网站|谷歌学术搜索
48. “井-含水层系统对不同周期载荷响应的敏感性:中国会泽市两井的比较”，《水文，第572卷，第121-130页，2019年。视图:出版商的网站|谷歌学术搜索
49. 张，石，王，孙，严，刘，“大地震重塑地下水流动系统:从水位对地球潮汐和深井大气压力的响应，”水资源研究，第55卷，no。5、2019年第4207-4219页。视图:出版商的网站|谷歌学术搜索
50. X.-W.江Z.-C.太阳，K.-Y.Zhao等人，“一种用于地下水蒸散，并使用水季节性波动表在放电区流入速率的同时估计方法，”《水文，第548卷，第498-507页，2017年。视图:出版商的网站|谷歌学术搜索
51. 计算日地下水水位波动蒸散发的比产量估计值的比较，"水文地质杂志，第26卷，no。2018年第869-880页。视图:出版商的网站|谷歌学术搜索

版权

版权所有©2020温家张某等人。这是下发布的开放式访问文章知识共享署名许可允许在任何媒介上不受限制地使用、分发和复制，只要正确地引用了原文。