河北滨海盐碱地雨养旱作紫花苜蓿蒸散特性及其影响因子

摘要：河北省滨海盐碱地土地利用率和产出效益较低，紫花苜蓿（Medicago sativa L.）因其耐盐碱、耐瘠薄的特点，在该地区被广泛种植，种植面积近7万 hm2。为研究该地区紫花苜蓿的蒸散特征及环境因子影响，并为其水分管理提供科学依据，本研究利用Shuttleworth-Wallace模型对国家牧草产业技术体系沧州综合试验站内的紫花苜蓿人工草地蒸散年际变化进行了定量研究。结果显示，2021至2023年间，紫花苜蓿年蒸散量分别为609.9，644.3和678.5 mm，在第二茬和第三茬生长期日均蒸散量最高，而第三茬总蒸散量最大，蒸腾量分别占蒸散量的79.8%，80.6%与80.6%。蒸散与土壤蒸发的变化主要受净辐射、空气温度和叶面积指数的影响，蒸腾则对净辐射、饱和水汽压差和叶面积指数的变化反应敏感。研究表明，该地区降水量基本满足苜蓿生长需求，但在前两茬生长期仍存在水分缺口，因此需加强这一时期的水分管理。

关键词：滨海盐碱地；雨养旱作；紫花苜蓿；蒸发；蒸腾；Shuttleworth-Wallace模型

中图分类号：S541.9"""""" "文献标识码：A""""""" 文章编号：1007-0435（2025）02-0575-11

Evapotranspiration Characteristics of Alfalfa and Its Influencing Factors in the Coastal Saline-Alkali Land of Hebei Province

ZHANG Li-feng1， XIE Nan1， CUI Su-qian2， SUN Guo-tong2， FENG Wei1， SHI Jia-qi1， PAN Xuan1，

ZHI Jian-fei1， QIN Wen-li1， LI Jian-ming3， ZHANG Hong-fa4， LI Ya-nan4， LIU Zhen-yu1*， LIU Zhong-kuan1*

（1.Institute of Agricultural Resources and Environment， Hebei Academy of Agriculture and Forestry Sciences， Shijiazhuang， Hebei Province 050051， China； 2.Huanghua Agricultural and Rural Development Bureau， Cangzhou， Hebei Province 061100， China； 3.Livestock Breeding Station of Hebei Province， Shijiazhuang， Hebei Province 050011， China； 4.Cangzhou Animal Husbandry Technology Extension Station， Cangzhou， Hebei Province 061000， China）

Abstract：The coastal saline-alkali lands in Hebei Province have low land utilization and productivity. Due to its tolerance to salinity and poor soil conditions， alfalfa （Medicago sativa L.） is widely cultivated in this area， covering nearly 70 000 hm2. To investigate the evapotranspiration （ET） characteristics of alfalfa in this region and the influence of environmental factors and provide a scientific basis for water management， this study employed the Shuttleworth-Wallace model to quantitatively analyze the interannual variation in ET of alfalfa fields at the Cangzhou Comprehensive Experimental Station of China Forage and Grass Research System. The results showed that from 2021 to 2023， the annual ET of alfalfa was 609.9， 644.3， and 678.5 mm， respectively. The daily average ET was the highest during the second and third growth cycles， and the third growth cycle had the greatest total ET. Transpiration accounted for 79.8%， 80.6%， and 80.6% of the total ET in each year， respectively. The variation in ET and soil evaporation was mainly influenced by net radiation， air temperature， and leaf area index， while transpiration was particularly sensitive to changes in net radiation， vapor pressure deficit， and leaf area index. The study indicated that while the region’s precipitation generally met the water needs of alfalfa， there was still an obvious water deficit during the first two growth cycles， and the enhanced water management was necessitated during these stages.

Key words：Coastal saline-alkali land；Rainfed；Alfalfa；Evaporation；Transpiration；Shuttleworth-Wallace model

河北省是我国的农业大省，耕地总面积为590.1万hm2，其中盐碱地面积71.3万hm2，占耕地总面积的12.1%，主要分布在滨海平原区［1-2］。河北省滨海盐碱地是传统旱作农业区，生态环境脆弱，淡水资源普遍缺乏，土地综合利用率和产出效益低［3-5］。习近平总书记先后在视察山东东营和河北黄骅提出“以种适地”“以地适种”盐碱地综合利用指导精神后，因地制宜种植耐盐碱作物越来越受到重视。

紫花苜蓿（Medicago sativa L.）是一类耐盐碱的豆科植物，在轻度和中度盐碱地中能够良好生长［6-7］，被誉为“牧草之王”，是世界上种植面积最为广泛的多年生豆科牧草，具有干物质产量高、营养丰富、适应性好等特点，在含盐量0.1%～0.4%的土壤中均能良好生长，同时对轻中度盐碱地具有明显的改良效果［4， 8-10］。在河北滨海盐碱地种植苜蓿已经成为高效利用盐碱地、发展地方经济、改善生态环境的一个重要途径。紫花苜蓿属于需水量较高的草本植物［11］，国内外的研究结果均表明紫花苜蓿的蒸散量（Evapotranspiration，ET）范围很广，且具有强烈的时空变异性。在干旱区紫花苜蓿全生长季ET最低仅约为300 mm，而在水分充足时，紫花苜蓿一年内的ET则高达约2250 mm［12-14］。在华北平原地区的研究表明［6］，多次刈割的紫花苜蓿年均ET在800～900 mm，超过了该地区的多年平均降水量。而在河北省滨海盐碱地，紫花苜蓿的ET与降水量基本持平［15］。此外，随着紫花苜蓿生长阶段的不同，其耗水规律也不同，如陈凤林等［16］在内蒙古锡林浩特的试验结果表明，紫花苜蓿生长季的需水强度在5.3～6.7 mm·d-1之间；索建军等［11］在新疆克拉玛依的研究表明，从第一茬到第四茬，紫花苜蓿不同茬次的ET依次递减。因此，在河北省滨海盐碱地雨养旱作区研究紫花苜蓿ET的季节和年际变化特征，对于指导该地区紫花苜蓿适时适地种植、节约高效用水、高效施肥等技术管理具有重要现实意义。

ET主要包含土壤蒸发（Soil evaporation，E）和植被蒸腾（Plant transpiration，T）两个部分，可以通过多种方法计算得到，如涡度相关法、蒸渗仪法、液流法、红外温度计法、同位素法以及模型模拟［17-20］。在这些方法中，应用模型模拟ET的变化正变得越来越流行，因为直接观测ET的方法在仪器安装与数据获取中有着诸多严格的标准，而模型则没有这些限制并且在计算或预测长时间尺度的ET中独占优势［21］。在众多模型中，Shuttleworth-Wallace模型（SW模型）最为成熟，也是广泛应用于生态系统ET模拟的分析模型。Shuttleworth和Wallace将植被冠层和土壤表面看成两个既相互独立，又相互作用的水汽源，建立了描述稀疏作物（玉米）ET的模型，即SW模型［22］。迄今为止，国内外众多学者利用SW模型对不同类型的生态系统ET进行了研究［23-27］，包括森林、草地及农田生态系统等，这些研究均指出SW模型有很好的适用性。

本研究定期对河北滨海盐碱地紫花苜蓿人工草地进行田间调查，在获取植被及环境因子数据的基础上，应用SW模型模拟了2021至2023年紫花苜蓿ET及其组分的季节和年际变化，以期揭示紫花苜蓿人工草地生态系统ET及其组分的变化特征以及探讨分析植被和环境因子对紫花苜蓿人工草地生态系统ET及其组分的影响机制，为指导紫花苜蓿水分科学管理与高效利用提供科学依据。

1 材料与方法

1.1 试验地概况

试验地点位于河北省黄骅市羊二庄镇国家牧草产业技术体系沧州综合试验站（38°16′36″ N，117°29′19″ E），该区域地处环渤海缺水盐渍区，属暖温带半湿润大陆季风气候，夏季炎热多雨、冬季寒冷干燥。在研究期间的2021年至2023年，年均降水量600.0 mm，年均气温13.0℃，年均日照时数2700 h，无霜期210 d。供试土壤为盐化潮土，土壤化学性质见表1。紫花苜蓿人工草地为‘中苜3号’紫花苜蓿单播样地，于2020年4月份播种，面积约2×104 m2，农艺措施与当地常规处理相同，每年刈割4次，试验在雨养旱作条件下进行。

1.2 数据收集

在试验站内安装有ENVIdata-Thies科研级生态气象系统，实时观测并记录站内气象数据。Thies多参数传感器固定在观测塔上，用于测量总辐射、空气温度、土壤温度和含水量、相对湿度、降水量和风速等。采样频率10 Hz，每30 min输出一次平均值，数据记录在数据采集仪中，记录的气象数据直接传送到ENVIdata数据服务器上，可联网远程获取，无需现场下载数据。本研究中选取2021至2023年气象数据，应用SW模型对紫花苜蓿人工草地的ET进行模拟分析。

在2023年的生长季（4—10月）每月（如当月刈割，则刈割前）调查一次紫花苜蓿的叶面积指数（Leaf area index，LAI）与地上生物量（Above ground biomass，AGB）。LAI用叶面积仪（AM350，ADC BioScientific Ltd.，UK）直接测定，AGB调查采用收割法，先随机选取5个大小为0.5 m×0.5 m的样方，用剪刀将样方内植被平齐地面剪下，接着装入取样袋内并给取样袋顺序编号，之后摘取叶片用叶面积仪扫描叶片并计算LAI，最后将叶片及其他植被样品放入65℃烘箱中，烘干48小时后称重得到AGB。因为刈割的影响，LAI和AGB的最大值均出现在5月，分别为6.03和823.00 g·m-2（图1）。

1.3 模型

1.3.1 Shuttleworth-Wallace模型 Shuttleworth-Wallace（SW）模型基于Penman-Monteith（PM）模型发展而来，不同于PM模型假设的整个植被下垫面是单一水汽源的“大叶”理论，SW模型将土壤表面与植被冠层的潜热看作两个水汽源［22］。SW模型的基本公式如下：

ZSW=ESW+TSW=Cs×PMs+Cc×PMc"""" （1）

式（1）中ZSW，ESW和TSW分别为应用SW模型计算得到的生态系统蒸散、土壤蒸发以及植被蒸腾，PMs和PMc分别为用于描述土壤蒸发与植被蒸腾的物理量，Cs和Cc则分别为描述土壤蒸发和植物蒸腾的系数，以上参数均按照Shuttleworth和Wallace［22］推荐的公式计算。

在SW模型中，重点是计算5个阻力参数，分别为土壤表面到植被冠层和植被冠层到参考高度的空气动力学阻力ras和raa（单位s·m-1），植被冠层气孔阻力和植被冠层边界层阻力rsc和rac（单位s·m-1），以及土壤表面阻力rss（单位s·m-1）。其中，ras和raa同样按照Shuttleworth和Wallace［22］推荐的公式计算，rss取固定的参数值500 s·m-1［22，28］。而rsc和rac分别按下式计算：

rsc=rST/L （2）

rac=rb/2L""""""""" （3）

式（2）和（3）中，rST为平均气孔阻力（s·m-1），本研究中直接取50 s·m-1［29］；L为叶面积指数；rb为平均边界层阻力（s·m-1），按下式计算：

rb=（100/n）（w/u）1/2/［1-exp（-n/2）］ （4）

式（4）中，n为涡度扩散衰减常数，在株高小于1 m时，n为2.5，w为植被冠层特征叶片宽度，u为风速（m·s-1）。

1.3.2 结构方程模型 结构方程模型（Structural equation modeling，SEM）是验证自变量（一个或多个）与因变量（一个或多个）之间相互关系的多元分析方程。SEM基于协方差矩阵同时分析多个变量之间因果关系，它能将变量之间的依赖关系分解为直接影响和间接影响［28-29］。SEM通过检验变量之间的协方差，可以估计出线性回归模型的系数，从而在统计上检验所假设的模型对所研究的过程是否合适。如果证实所假设的模型合适，则说明假设变量之间的关系是合理的。SEM可以同时考虑和处理多个因变量，容许自变量与因变量含有测量误差，目前已在生态学领域获得广泛应用。

本研究在R语言中采用lavaan包和semPlot包运行SEM，分析影响紫花苜蓿蒸散的环境因子。SEM构建探索型模型有两种思路：一种是在初始模型中添加所有可能的影响路径，而后根据SEM结果中路径系数的显著性对模型进行必要的修剪；另一种是在初始模型中只添加有充分理论依据的路径，而后根据输出的修正指数添加必要的路径，使模型最终通过验证［28-29］。本研究采用第一种思路，将影响紫花苜蓿蒸散的主要环境因子输入模型，之后根据路径系数显著性进行修剪。

2 结果与分析

2.1 环境因子的变化

研究期间净辐射（Net radiation，Rn）、土壤热通量（Soil heat flux，G）、空气温度（Air temperture，Ta）、降水量（Precipitation，PPT）、土壤含水量（Soil water content，SWC）、饱和水汽压差（Vapor pressure deficit，VPD）、相对湿度（Relative humidity，RH）和风速（Wind speed，WS）的季节变化明显（图2）。

Rn在年内呈现出钟形的单峰型变化趋势，且年际间变化不大（图2a）。2021至2023年Rn的年均总量为4815.2 MJ·m-2·a-1，其中约70%集中在4—10月的生长季。Rn在这三年的日均值为13.2 MJ·m-2·d-1，但在生长季的日均值达到了15.6 MJ·m-2·d-1（表2）。与Rn相比，G的季节变化幅度相对较小，在一个很窄的范围内波动（图2b），G在2021，2022和2023年的日总量变化范围分别为-2.3～1.2 MJ·m-2·d-1，-1.3～1.5 MJ·m-2·d-1和-1.3～1.1 MJ·m-2·d-1（表2）。与Rn不同，G的累积值在生长季为正值，而在非生长季却为负值，这说明紫花苜蓿人工草地的土壤在生长季总体上表现为吸收热量，而在非生长季则往外散失热量。Ta的季节变化趋势与Rn大概一致（图2a和2c），生长季的日平均温度要高于非生长季，2021至2023年的生长季日平均温度分别为20.5℃，21.2℃和21.9℃，而非生长季日平均温度分别为3.0℃，2.0℃和3.0℃（表2）。

PPT的季节和年际波动很大，并主要集中在生长季，而非生长季降水量明显减少（图2d）。2021至2023年PPT的年总量分别为938.1，560.5和474.3 mm，生长季的PPT均超过了80%，分别为774.1 mm，502.3 mm和421.3 mm（表2）。SWC的变化主要受PPT的影响，PPT多时SWC保持在高值，而PPT降低之后SWC也呈降低趋势（图2d和2e）。在三年的生长季，SWC在6.8%～31.9%之间波动（表2）。VPD是表征空气湿度的物理量，其变化主要受温度影响。VPD的年内季节性波动很剧烈，总体上在冬季相对较低，5月和6月出现高值，在7月和8月则由于降水量增多的原因，VPD有所降低（图2f）。同VPD一样，RH也是描述空气湿度的物理量，其变化受空气温度的影响。三年中RH表现出基本相同的季节变化趋势与幅度，并且由于水热条件充沛，生长季的RH要高于非生长季（图2g）。2021至2023年，RH年均值分别为70.2%，68.5%和67.5%；而这三年生长季的均值则分别为73.7%，71.4%和72.7%（表2）。WS是影响ET的重要环境因子，研究期间WS的年均值分别为2.7 m·s-1（2021年）和2.6 m·s-1（2022和2023年），并且WS在生长季要低于非生长季（图2h，表2）。

2.2 紫花苜蓿人工草地蒸散的变化特征

紫花苜蓿由Shuttleworth-Wallace（SW）模型模拟的蒸散（Evapotranspiration estimated by the Shuttleworth-Wallace model，ETSW）逐日及季节动态变化很大，总体上ETSW在年初时很低，进入4月份后迅速升高，在10月份开始下降，而在生长季随着刈割操作，出现上升和下降的趋势（图3）。紫花苜蓿的ETSW在2021的日最高值出现在6月初，为5.6 mm；而2022和2023年的日最高值均出现在7月初，分别5.2 mm和5.4 mm（图3）。这三年ETSW的年总量分别为609.9 mm，644.3 mm和678.1 mm，超过90%出现在生长季，分别为552.7 mm，591.1 mm和619.2 mm。

紫花苜蓿的ETSW在2021至2023年刈割前的日均值均约为0.3 mm·d-1，总量则分别为22.3 mm，22.5 mm和24.1 mm；第一茬的日均值分别为2.3 mm，2.4 mm和2.4 mm，总量则分别为134.2 mm，139.3 mm和141.5 mm；第二茬的日均值分别为3.1 mm，3.3 mm和3.4 mm，总量则分别为128.9 mm，136.4 mm和139.5 mm；第三茬的日均值分别为3.1 mm，3.0和3.3 mm，总量则分别为172.8 mm，168.8 mm和186.9 mm；第四茬的日均值分别为2.2 mm，2.7 mm和2.8 mm，总量则分别为125.0 mm，152.0 mm和158.4 mm；而刈割后的日均值分别为0.4 mm，0.3 mm和0.4 mm，总量则分别为26.6 mm，25.3 mm和27.7 mm（表3）。因此，在这三年间紫花苜蓿第二茬及第三茬生长期间日均需水量最高，并且第三茬的总需水量也是最多的。

2.3 紫花苜蓿人工草地蒸发与蒸腾的变化特征

应用SW模型计算的蒸散由两部分组成，即土壤蒸发（Soil evaporation estimated by the Shuttleworth-Wallace model，ESW）与植被蒸腾（Plant transpiration estimated by the Shuttleworth-Wallace model，TSW）。紫花苜蓿的ESW由于受到苜蓿刈割的影响，在一年中呈现出多峰型的变化趋势（图4a）。ESW在3月中旬、5月中旬、6月末、8月末以及10月末均呈现出增加的趋势，在3月中旬左右由于气温开始升高到达第一个峰值，之后在3月和4月，由于紫花苜蓿开始生长，ESW呈下降趋势，但在5月中旬、6月末、8月初以及10月末随着苜蓿的刈割导致土壤裸露，ESW升高出现多重峰值，随后由于太阳辐射与温度的降低，可利用水分的减少，ESW再一次下降至0附近（图4a）。

与ESW相对应，紫花苜蓿TSW的季节变化趋势也呈现多峰型。从4月初开始，随着苜蓿的生长，TSW逐渐升高。在5月中旬、6月末、8月末和10月末，由于第一茬至第四茬的刈割，TSW出现多次峰值。此后，随着太阳辐射减弱和温度降低，紫花苜蓿逐渐枯萎，TSW也随之下降，直至降至0（图4b）。紫花苜蓿的ESW在2021至2023年的年总量分别为123.0 mm，124.8 mm和131.8 mm，分别占了全年ETSW的20.2%，19.4%与19.4%；而TSW在2021至2023年的年总量分别为486.9 mm，519.5 mm和546.7 mm，分别占了全年ETSW的79.8%，80.6%与80.6%（表4）。可见，紫花苜蓿的蒸腾量占据了ET的绝大部分。

3 讨论

3.1 紫花苜蓿人工草地的水分平衡及其蒸散组分

本研究中紫花苜蓿人工草地位于河北省滨海盐碱地雨养旱作区，无灌溉措施，且试验站周围没有河流经过，因此降水是唯一的水分输入项。2021至2023年，紫花苜蓿的年均ETSW为644.2 mm，占了年均PPT（ET/P）的98.0%，之前研究表明，华北地区苜蓿人工草地的多年平均ET在500～900 mm之间［6， 15］，而全球不同草地生态系统ET/PPT的范围大致在0.40～1.50之间［30］，本研究的结果在此范围内。本研究结果表明，通过PPT输入的水分绝大部分通过ET返回大气，仅剩余一小部分渗漏入地下。研究期间的三年，PPT充足保证了紫花苜蓿的水分需求，并未过度消耗土壤水分，在2023年1至8月的SWC甚至要高于2021年同期（图2e）。紫花苜蓿人工草地在不同茬次之间的ET/P有很大差异，研究期间刈割前、第一茬、第二茬、第三茬、第四茬与刈割后这六个不同时期ET/P的平均值分别为0.4，4.8，2.0，0.5，1.2和0.9。可见，在苜蓿的生长季，最大的水分缺口来自头两茬生长期，这与索建军等［11］和康燕霞等［32］研究结果相似。第一茬苜蓿生长周期最长，对水分消耗相对较大，第二茬苜蓿虽然生长期短，但开始进入高温阶段，温度的升高使日均ET增加，因此第二茬的总ET与第一茬相近。同时头两茬苜蓿的生长期PPT相对较少，这就造成了较大的水分亏缺，而第三茬苜蓿尽管总ET最高，但由于期间PPT充足反而有水分盈余。

植被蒸腾（Transpiration，T）是目前生态水文过程中不确定性最大的因素之一［28］，即便同为草地生态系统，由于植被状况的不同以及环境因子的差异，T也有明显不同［23-24］。以往的研究表明，植被生长良好的草地生态系统，T占ET的比例（T/ET）普遍超过60.0%［23-25］。本研究中紫花苜蓿人工草地水热条件良好且管理措施得当，研究期间紫花苜蓿长势旺盛，其年均TSW为517.7 mm，年均T/ET为80.4%，而在苜蓿的生长季，其T/ET更是高达86.1%，可见TSW是ETSW的主要组分并消耗利用了绝大多数的PPT，这与前人的研究结果相似。紫花苜蓿是深根性植物，并且在生长旺期对地表覆盖度高，因此紫花苜蓿人工草地的土壤蒸发微弱，水分的无效散失降低，对PPT的利用率高。在淡水资源缺乏地区，发展紫花苜蓿雨养旱作种植是提高降水利用率的一种有效途径。

3.2 紫花苜蓿人工草地蒸散及其组分的影响因子

本研究采用SEM方法分析了环境因子与植被对紫花苜蓿人工草地ET及其组分的影响（图5）。ET与植被状况、大气环境、土壤环境密切相关，其影响因素复杂，时空变异率大［33］。ET主要由环境因子控制，并受植被及SWC的制约［34］。ET包含土壤蒸发和植被蒸腾两个部分，这两部分受到不同环境因子控制，并对植被有不同程度响应［35］。

Rn与地表植被下垫面的状况紧密相关，是生态系统ET的主要驱动力［23］；Ta的变化会影响降水的方式，并制约着T的强弱［36］；而VPD影响着植物气孔的开启与关闭，从而影响T［37］；叶片是植被蒸腾作用的器官，有研究表明在土壤水分相对充足时，一开始ET会随着LAI的增加而增加，但是当LAI达到一定值时，这种关系会减弱［23］。本研究SEM分析的结果显示，Rn和Ta是对河北滨海盐碱地紫花苜蓿人工草地ETSW影响最大的两个环境因子，其次是VPD，而作为植被参数的LAI对ETSW的影响与VPD大致相同（图5a）。对于ESW和TSW，同样是Rn，Ta，VPD和LAI对它们的影响最大（图5b）。Rn，Ta，VPD和LAI对ETSW的影响均是正向的，即ETSW随着它们的升高而增加，并且Rn对ETSW的促进作用最为明显（图5a）。这说明在研究期间水分供应充足，紫花苜蓿的ETSW基本由Rn控制。2021至2023年的PPT逐年降低，而Rn则逐年升高。2021年远超多年平均值的PPT为之后的年份提供了充足的水分，而2022年PPT恢复至平均水准，2023年PPT则低于平均值（表1和图2d）。PPT的降低意味着晴朗天气的增加，因此Rn的增加为ETSW提供了驱动力，导致ETSW也随着Rn逐年增加。这与Zhang等［38］对湿润高寒草甸蒸散的研究结果相同，在水分不受限制时，蒸散主要受Rn的调控。对于TSW，同样是Rn的正向促进作用最大，并且其对VPD的响应比对Ta敏感，而LAI的增加会提高TSW（图5b）。但对于ESW，则是Ta的正向作用最大，而LAI对其有极大的抑制作用（图5b）。值得注意的是，LAI对ESW和TSW具有相反的作用，并且对ESW的抑制作用要比对TSW的促进作用大，同时ESW和TSW之间也有互相抑制的作用，自身的升高会使对方降低（图5b）。草地生态系统LAI的增加会覆盖裸露的地表，抑制土壤蒸发［39］，有研究表明植被覆盖度高的草地相比于有大量地表裸露的退化草地，其土壤蒸发显著降低［23］。LAI的增加也意味着植被的生长旺盛，因此蒸腾作用强烈。但一地的蒸散总体由当地的水热条件决定［40］，因此土壤蒸发与植被蒸腾之间基本表现为对立统一的关系。在蒸散过程中，两者相互统一，但一者的增加会导致另一者的减少。

3.3 模拟结果的合理性分析与验证

SW模型的良好适用性已在全球不同类型的生态系统中得到验证，包括森林、草地及农田生态系统等［23-27］，本研究利用SW模型对紫花苜蓿人工草地ET的模拟结果也与前人的观测研究结果相似。之前的研究结果说明，SW模型对5种空气动力学阻力（ras，raa，rsc，rac和rss）的响应最为敏感，尤其是土壤表面阻力rss［24］。之前的研究通常找出rss和SWC的经验方程［23-24］，但在本研究中由于条件限制，未能获取rss与SWC的经验方程。因此在参考前人经验的基础上，将rss设置为常数［22， 28］，这可能会对SW模型的结果造成一定的误差。但同时SW模型假设土壤均质化［22， 29］，这是SW模型的创建者将rss设置为常数的理论基础，土壤均质化的假设适用于雨养旱作的种植模式，而本研究中的紫花苜蓿人工草地正是采用这种模式，这也是我们将rss设置为常数的依据。

为了进一步验证SW模型结果的准确性，我们将模型结果与涡度相关系统观测的ET（ETeddy）进行了对比分析（图6）（涡度相关系统于2024年4月16日安装，因此本研究选取2024年4月17日至5月16日一个月的数据进行验证）。结果表明，尽管我们将rss设置为常数，SW模型仍能够很好地模拟紫花苜蓿人工草地ET的变化趋势与数值大小（图6）。今后的研究将加强模型与观测的对比分析，优化rss参数，为SW模型模拟结果的准确性提供更直观可靠的数据支撑。

4 结论

通过对河北滨海盐碱地紫花苜蓿人工草地的蒸散模拟研究，结果表明蒸散量与降水量基本持平（占降水的98.0%），其中生长季植被蒸腾占蒸散的86.1%。研究期间，降水满足了苜蓿的生长需求，且降水利用率高，土壤蒸发微弱，水分无效散失减少。因此，在水资源匮乏地区，发展紫花苜蓿雨养旱作种植是提高降水利用率的一种有效途径。但在头两茬苜蓿的生长期仍然有明显的水分缺口，因此在今后的苜蓿生产中，应注意头两茬苜蓿的水分管理。

参考文献

［1］"""""" 仇玉霞. 河北省盐碱地开发利用措施与治理建议［J］. 河北农业，2019（4）：62-64

［2］"""""" 冯伟，刘忠宽，刘振宇，等. 河北省盐碱地分布成因及改良利用技术研究［J］. 河北农业科学，2015，19（1）：56-60

［3］"""""" 李倩茹，贾彦龙，王慧军，等. 基于生态功能区的河北省生态系统服务权衡与协同分析［J］. 地理学报，2023，78（11）：2833-2849

［4］"""""" 吴星月，姚红丽，王北南，等. 沧州盐碱地紫花苜蓿根际促生细菌的筛选［J］. 草业科学，2017，34（11）：2211-2217

［5］"""""" 谢楠，刘振宇，冯伟，等. 沧州地区29个紫花苜蓿品种生产性能评价［J］. 河北农业科学，2016，20（6）：19-26

［6］"""""" 朱湘宁，郭继勋，梁存柱，等. 华北平原地区灌溉对苜蓿产量及土壤水分的影响［J］. 中国草地，2002，24（6）：32-37

［7］"""""" 石嘉琦，刘忠宽，王东奎，等. 河北滨海盐碱地14个苜蓿品种光合性能与产量性状分析［J］. 草地学报，2023，31（7）：2107-2115

［8］"""""" 孙延亮，赵宇哲，魏孔钦，等. 不同秋眠级紫花苜蓿茎和叶的碳、氮、磷化学计量特征［J］. 中国草地学报，2022，44（5）：9-19

［9］"""""" 周彤，师尚礼，陈建纲，等. 紫花苜蓿与3种多年生禾本科牧草轮作的土壤养分生长季动态比较［J］. 草原与草坪，2021，41（3）：19-25

［10］"""" 石嘉琦，周繁，王烁凯，等. 行距和播量对河北滨海盐碱地苜蓿光合特性及产量的影响［J］. 草地学报，2023，31（8）：2554-2563

［11］"""" 索建军，扬江平，孙栋，等. 紫花苜蓿全生长期蒸散变化研究［J］. 农业开发与装备，2017（11）：66-67，79

［12］"""" 杨洪涛. 盐碱化紫花苜蓿人工草地土壤水盐特征及优化调控［D］. 哈尔滨：中国科学院大学（中国科学院东北地理与农业生态研究所），2019：7-10

［13］"""" 范文波，刘换芳，朱保荣，等. 弃耕地苜蓿耗水规律及灌溉制度研究［J］. 水土保持学报，2003，17（3）：165-166，173

［14］"""" WRIGHT J L. Daily and seasonal evapotranspiration and yield of irrigated alfalfa in Southern Idaho［J］. Agronomy Journal，1988，80（4）：662-669

［15］"""" 邢新海，田魁祥. 河北省黑龙港地区苜蓿发展与水土生态系统分析［J］. 农业现代化研究，1992，13（4）：218-221

［16］"""" 陈凤林，刘文清. 几种栽培牧草需水规律的初步研究［J］. 中国草原，1982，4（3）：38-43

［17］"""" XIE J K，LIU L，WANG Y T，et al. Changes in actual evapotranspiration and its dominant drivers across the Three-River Source Region of China during 1982-2014［J］. Hydrology Research，2022，53（2）：297-313

［18］"""" WILLIAMS D G，CABLE W，HULTINE K，et al. Evapotranspiration components determined by stable isotope， sap flow and eddy covariance techniques［J］. Agricultural and Forest Meteorology，2004，125（3/4）：241-258

［19］"""" 刘元波，邱国玉，张宏昇，等. 陆域蒸散的测算理论方法： 回顾与展望［J］. 中国科学：地球科学，2022，52（3）：381-399

［20］"""" SHI M J，WORDEN J R，BAILEY A，et al. Amazonian terrestrial water balance inferred from satellite-observed water vapor isotopes［J］. Nature Communications，2022，13（1）：2686

［21］"""" HU Z M，YU G R，ZHOU Y L，et al. Partitioning of evapotranspiration and its controls in four grassland ecosystems： Application of a two-source model［J］. Agricultural and Forest Meteorology，2009，149（9）：1410-1420

［22］"""" SHUTTLEWORTH W J，WALLACE J S. Evaporation from sparse crops-an energy combination theory［J］. Quarterly Journal of the Royal Meteorological Society，1985，111（469）：839-855

［23］"""" ZHANG L F，CHEN Z G，ZHANG X，et al. Evapotranspiration and its partitioning in alpine meadow of Three-River Source Region on the Qinghai-Tibetan Plateau［J］. Water，2021，13（15）：2061

［24］"""" ZHANG L F，SCHLAEPFER D R，CHEN Z G，et al. Precipitation and evapotranspiration partitioning on the Three-River Source Region： A comparison between water balance and energy balance models［J］. Journal of Hydrology：Regional Studies，2021，38：100936

［25］"""" CHEN H，JIANG A Z，HUANG J J， et al. An enhanced shuttleworth-Wallace model for simulation of evapotranspiration and its components［J］. Agricultural and Forest Meteorology，2022，313：108769

［26］"""" MILLY P C D，DUNNE K A. Potential evapotranspiration and continental drying［J］. Nature Climate Change，2016，6：946-949

［27］"""" MALLICK K，TOIVONEN E，TREBS I，et al. Bridging thermal infrared sensing and physically-based evapotranspiration modeling： from theoretical implementation to validation across an aridity gradient in Australian ecosystems［J］. Water Resources Research，2018，54（5）：3409-3435

［28］"""" 王宇，周莉，贾庆宇，等. 基于Shuttleworth-Wallace模型的水稻蒸散组分模拟及其特征分析［J］. 中国农业气象，2017，38（11）：709-719

［29］"""" 乔英，马英杰，辛明亮. 基于改进S-W与结构方程模型的干旱区枣园蒸散特征分析［J］. 农业机械学报，2021，52（8）：307-317

［30］"""" ZHOU M C，ISHIDAIRA H，HAPUARACHCHI H P，et al. Estimating potential evapotranspiration using Shuttleworth–Wallace model and NOAA-AVHRR NDVI data to feed a distributed hydrological model over the Mekong River basin［J］. Journal of Hydrology，2006，327（1/2）：151-173

［31］"""" 张立锋，张继群，张翔，等. 三江源区退化高寒草甸蒸散的变化特征［J］. 草地学报，2017，25（2）：273-281

［32］"""" 康燕霞，姜渊博，齐广平，等. 红豆草与无芒雀麦混播草地生产力提升的水分调控模式研究［J］. 草业学报，2023，32（8）：115-128

［33］"""" 吴锦奎，陈军武，吴灏，等. 疏勒河上游高寒草甸蒸散对比研究［J］. 地理科学，2013，33（1）：97-103

［34］"""" CHEN H，HUANG J J，MCBEAN E. Partitioning of daily evapotranspiration using a modified shuttleworth-wallace model， random Forest and support vector regression， for a cabbage farmland［J］. Agricultural Water Management，2020，228：105923

［35］"""" WANG L，LIU H Z，BERNHOFER C. Grazing intensity effects on the partitioning of evapotranspiration in the semiarid typical steppe ecosystems in Inner Mongolia［J］. International Journal of Climatology，2016，36（12）：4130-4140

［36］"""" 陈小平. 科尔沁沙丘—草甸湿地水热碳通量变化及响应机制研究［D］. 呼和浩特：内蒙古农业大学，2018：37-51

［37］"""" DONG J ，BERGMANN D C. Stomatal patterning and development［J］. Current Topics in Developmental Biology，2010，91：267-297

［38］"""" ZHANG F W，LI H Q，WANG W Y，et al. Net radiation rather than surface moisture limits evapotranspiration over a humid alpine meadow on the northeastern Qinghai‐Tibetan Plateau［J］. Ecohydrology，2018，11（2）：e1925

［39］"""" 周雪彤，孙文义，穆兴民，等. 1990—2020年三江源水源涵养能力时空变化及影响因素［J］. 生态学报，2023，43（23）：9844-9855

［40］"""" YANG Y T，RODERICK M L，GUO H，et al. Evapotranspiration on a greening Earth［J］. Nature Reviews Earth amp; Environment，2023，4：626-641

（责任编辑" 闵芝智）