基于改進的雙作物系數法估算遼河三角洲蘆葦濕地蒸散量

于文穎,紀瑞鵬,*,賈慶宇,馮 銳,武晉雯,張玉書

1 中國氣象局沈陽大氣環境研究所, 沈陽 110166 2 遼寧省農業氣象災害重點實驗室, 沈陽 110166

蒸散過程是陸地水文循環的重要組成部分,估算蒸散量對理解土壤-植物-大氣連續體(SPAC,Soil-Plant-Atmosphere Continuum)系統中的水分平衡和水分傳輸具有重要意義[1]。蒸散(ET,Evapotranspiration)的兩個組分蒸發(E,Evaporation)和蒸騰(T,Transpiration)分別反映了水分從土壤和植物向大氣傳輸時的非生物過程和生物過程[2],ET組分的拆分能更明晰不同水源對生態水文過程的貢獻[3],目前對于不同生態系統ET每個組分的重要性仍未達成共識[4]。未來氣候變化將顯著影響和改變全球水循環過程,蒸散過程及其組分的拆分是理解碳水循環變化的關鍵,準確估算各組分可以深入了解植被對水文過程的影響程度,準確估算蒸散量對于我們理解陸地生態系統至關重要。

蒸散是濕地水分支出的主要途徑,濕地蒸散量組分的拆分,對于了解濕地的水文過程和濕地蒸散過程對區域水循環的貢獻等方面有著重要意義[5]。目前,濕地蒸散量的監測方法主要有蒸發皿法、同位素法、大孔徑閃爍儀法、渦動相關法以及遙感法等,其中,渦動相關法被公認為精度較高的觀測方法,獲取的數據可用于模型估算法的校正。濕地蒸散量模型估算法主要有：Thornthwaite 公式、Penman模型、Penman-Monteith模型、FAO- 56模型、Hammer-Kadle 經驗方程、Priestly-Taylor模型、波文比能量平衡法等,其中FAO Penman-Moteith公式被認為是目前計算參考作物蒸散量的標準方法[6]。濕地蒸散量通常利用參考作物蒸散量和作物系數來估算,該方法的關鍵是確定作物系數。作物系數的計算方法包括單作物系數法和雙作物系數法,單作物系數把植被蒸騰和土壤蒸發作為一個整體來考慮,適合于均一完全覆蓋植被,雙作物系數將土壤蒸發系數和植被蒸騰系數區分開,反映了植被表面蒸散過程機理[7]。

國際糧農組織(FAO,Food and Agriculture Organization)規定了各時期典型作物系數的經驗常數[8]。研究表明,作物系數受生物因子和環境因子的共同影響,主要包括植被的高度、覆蓋度、葉面積指數、地表濕度、生長季節、地理位置、氣候和環境因子等[9-11]。為了選擇適用于不同類型濕地植被的作物系數以準確地評估濕地蒸散量,國內外學者對FAO推薦的作物系數進行了修正。賈志軍等[12]利用線性方程修正了FAO推薦的3個發育期作物系數,并計算了三江平原毛苔草沼澤濕地蒸散量；周林飛等[13]根據環境因子的變化將FAO推薦作物系數調整為4個發育期的作物系數,并估算了石佛寺人工蘆葦濕地的蒸散量。Zhou等[14]利用空氣溫度、相對濕度和凈輻射作為輸入參數建立了日尺度作物系數模型,并估算了蘆葦濕地蒸散量。

蘆葦是濕地生態系統的主要植被類型之一,在我國北方分布廣泛[15]。濕地蒸散包括濕地水面-土壤-植被表面的蒸發過程、植被蒸騰過程和植被表面截留蒸發過程,對于蘆葦濕地,表面截留蒸發量較小,濕地蒸散以水(土)表面蒸發過程和蘆葦群落蒸騰過程為主。常用的雙源蒸散模型包括Shuttleworth-Wallace模型(S-W)和FAO- 56雙作物系數法,S-W模型計算參數多,相對復雜[16]。FAO- 56模型的雙作物系數法[17]是一個簡單易行的方法,但由于不同類型濕地植被雙作物系數的缺乏而使得FAO- 56模型的應用受到限制[18-19]。因此,雙作物系數的確定是模擬蘆葦濕地蒸發與蒸騰過程需要解決的關鍵問題。

遼河三角洲濕地是亞洲最大的暖溫帶濱海濕地,其中蘆葦面積達到756km2,是亞洲第一大蘆葦濕地[20],模擬遼河三角洲蘆葦群落的蒸發與蒸騰過程,對于明確蘆葦濕地的水面-土壤-植被表面的水分交換、傳輸過程和平衡關系有著十分重要的意義。本文以遼河三角洲濕地蘆葦群落為研究對象,利用渦動相關水汽通量、小氣候梯度要素、群落內水面蒸發和蘆葦群落生長參數等數據和FAO- 56模型計算雙作物系數,分析作物系數動態變化過程及其主導影響因子,基于生物因子和環境因子建立時間尺度為小時的雙作物系數模型,為實現蘆葦濕地蒸發與蒸騰過程的分離提供參數,同時可為濕地蒸散量的估算和水資源評估提供依據。

1 數據與方法

1.1 研究區概況

遼河三角洲位于40°45′—41°10′N, 121°30′—122°00′ E,濕地生物類型多樣,自然濕地植被主要包括蘆葦(Phragmitesaustralis)、堿蓬(Suaedaglauca)、怪柳(Tamarixchinensis)、獐毛(Aeluropussinensis)、羊草(Leymuschinensis)、羅布麻(Apocynumvenetum)、香蒲(Typhaorientalis)等[21-22],其中,蘆葦沼澤濕地的面積占遼河三角洲總面積的20%以上[21]。該區域屬暖溫帶大陸性半濕潤季風氣候,四季分明,雨熱同期,年平均氣溫8.3℃,年降水量611.6mm[23]。

研究區(圖1)選在中國氣象局沈陽大氣環境研究所盤錦濕地生態系統野外觀測站(40°56′N, 121°57′E)。該站位于遼寧省盤錦市大洼縣趙圈河蘆葦自然保護區內,保護區內蘆葦濕地保存完好,其下墊面代表性較好。蘆葦生長季和淹水時間為4—10月,蘆葦平均高度2—3m,10月以后蘆葦進入枯萎期[24]。

圖1 遼河三角洲蘆葦濕地觀測站位置及實景圖Fig.1 Locations of the research station and actual scenery in the Liaohe River Delta wetland, China

1.2 試驗觀測及數據處理

蘆葦觀測場配備有小氣候梯度觀測系統(CAMS620-GS, Huatron, China)、渦動相關觀測系統(Li-cor, Inc, USA)、固液態蒸發與降水記錄儀(PD210, Huatron, China)等儀器設備。其中渦動相關觀測系統傳感器安裝高度3m,提供30min頻率的瞬時通量數據,小氣候梯度觀測系統提供了5個高度(1, 2, 8, 16, 30m)30min頻率氣象數據,包括風速、氣溫、相對濕度、水汽壓等[25]。本文數據包括2016年蘆葦生長季渦動相關系統的潛熱通量、感熱通量、小氣候梯度的氣象數據、降水量、水面蒸發量,土壤熱通量等數據。在蘆葦生長季不同生長階段,選擇天氣晴朗日觀測冠層葉面積指數和植株高度,并記錄發育期。采用Li- 2000冠層分析儀觀測葉面積指數,每次選擇蘆葦樣方5個,重復10次,取其平均值；每次選擇10株蘆葦,利用量尺測量其高度,取其平均值。

渦動相關實測數據常用于模型計算或遙感反演蒸散值的精度檢驗,且廣泛應用于各種類型濕地。利用Eddypro 5.0.1軟件對渦動相關系統獲取的通量數據進行坐標旋轉、密度效應校正等處理,轉化為小時尺度觀測頻率的潛熱通量數據和蒸散量,并進行QA/AC奇異值剔除。

1.3 研究方法

1.3.1參考作物蒸散量的計算

利用FAO- 56 Penman-Monteith模型計算參考作物蒸散量,其表達式為：

(1)

式中,ET0為參考作物蒸散量,mm/d；Rn為作物表面凈輻射,MJ m-2d-1；G為土壤熱通量,MJ m-2d-1；T為平均氣溫,℃；es為飽和水汽壓,KPa；ea為實際水汽壓,KPa；Δ為飽和水汽壓-溫度曲線斜率,KPa/℃；γ為濕度計常數,KPa/℃；u2為距地面2m高處風速,m/s。

1.3.2雙作物系數法

FAO- 56模型的雙作物系數法將蒸散量分為土壤蒸發和植物蒸騰兩部分計算,作物系數是實際蒸散量(ETc)和參考作物蒸散量(ET0)的比值,它綜合反映了環境因素和植物對蒸散的影響,包括空氣動力學阻力、表面阻力、植物品種和植被長勢等。

FAO- 56 雙作物系數法數學表達式為：

ETc=KcET0

(2)

式中,ETc為實際蒸散量,Kc為作物系數,可分解為如下式：

Kc=KsKcb+Ke

(3)

式中,Kcb為反映植物蒸騰的基礎作物系數；Ke為土壤表面蒸發的蒸發系數；Ks為水分脅迫系數,遼河三角洲濕地水分供應充足,故本研究中Ks=1。

Kc=Kcb+Ke

(4)

在蘆葦生長季(蘆葦生長季和淹水時間均為4—10月),蘆葦根部完全被水淹沒,因此,將公式中的土壤表面蒸發系數(Ke)代換為水面蒸發系數Kw。

Kc=Kcb+Kw

(5)

若已知作物系數的各分量,就可以利用FAO- 56模型(式2)計算蘆葦濕地的蒸騰量、水(土)面蒸發量以及實際蒸散量。

1.3.3雙作物系數模型改進

將遼河三角洲濕地蘆葦發育期劃分為4個階段：生長初期、快速生長期、穩定生長期和生長末期。對蘆葦不同發育階段的Kc、Kcb和Kw與生物因子和環境因子進行擬合。首先分析Kc與冠層葉面積指數LAI、蘆葦高度h等生物因子及大氣溫度Ta、大氣相對濕度RH等環境因子的相關關系,找出其主導影響因子,利用主導影響因子重新構建雙作物系數模型,對其參數進行擬合。擬構建方程如下：

Kc=a×f(LAI,h) ×f(Ta,RH,…) +b

(6)

安裝在蘆葦群落中的水面蒸發儀連續監測得到水面蒸發量E,利用下式計算實際水面蒸發系數Kw。

Kw=E/ET0

(7)

將渦動相關數據觀測的蒸散量ETc作為實際值計算Kc。

Kc=ETc/ET0

(8)

已知Kc和Kw即可用式(5)計算出Kcb。

2 結果與分析

2.1 蘆葦濕地ET0、ETc和E日變化

蘆葦群落ETc日變化表現為單峰或多峰曲線。晴天條件下,凌晨0時—6時蒸散低,隨著氣溫升高,蒸散量不斷升高,到12時和14時左右出現峰值；而后,隨著氣溫下降,蒸散不斷下降,夜間蒸散量下降到最低(圖2)。多云或陰雨天氣下,蒸散將呈現多峰曲線變化。基于FAO- 56 Penman-Monteith模型,利用小氣候梯度、通量等數據計算的ET0與利用渦動相關系統觀測的ETc變化趨勢基本一致,但蘆葦濕地ETc在數值上高于ET0。

晴天條件下,E的日變化與ETc的日變化趨勢基本一致,呈現早晚低、中午高的波動曲線變化(圖2)；多云或陰雨天氣條件下,E的日變化與ETc的日變化略有不同,但同樣呈現多峰波動變化。從數值上看,E在蘆葦生長初期高于快速生長期、穩定生長期和生長末期。

圖2 實際蒸散量ETc、水面蒸發量E與參考作物蒸散量ET0日變化Fig.2 Daily dynamics of actual evapotranspiration (ETc), water evaporation (E) and reference evapotranspiration (ET0) ETc: 實際蒸散量 Actual evapotranspiration; E: 水面蒸發量Water evaporation; ET0: 參考作物蒸散量Reference evapotranspiration

2.2 作物系數日動態及其影響主導因子

2.2.1Kc、Kcb和Kw日動態

在蘆葦生長初期,Kc和Kcb的日動態呈現多峰波動變化,全天波動幅度相對穩定,波動范圍在0.6—1.2之間,其中白天(7時—17時,下同)波動范圍較小,在0.9—1.1之間；在快速生長期和穩定生長期,Kc和Kcb夜晚波動幅度較大,而白天波動幅度較小,波動范圍在0.9—1.3之間；生長末期,Kc和Kcb夜晚波動幅度較大,白天呈現多峰波動曲線,波動范圍在0.8—1.2之間；Kw基本呈現白天低、夜晚高的波動曲線,在快速生長期、穩定生長期和生長末期白天的數值顯著低于生長初期(圖3)。

圖3 作物系數Kc、基礎作物系數Kcb和水面蒸發系數Kw日動態Fig.3 Daily dynamics of crop coefficient (Kc), basal crop coefficient (Kcb), and water evaporation coefficient (Kw ) Kc: 作物系數 Crop coefficient; Kcb: 基礎作物系數 Basal crop coefficient; Kw: 水面蒸發系數 Water evaporation coefficient

2.2.2Kc、Kcb和Kw與生物和氣象因子的相關性

基于2016年的渦動水汽通量、小氣候梯度要素、水面蒸發量等數據,計算蘆葦群落小時尺度和日尺度Kc、Kcb和Kw,并將其與葉面積指數LAI、株高h、氣溫Ta、相對濕度RH和風速u等因子進行相關性分析,結果表明,小時尺度Kc與Ta、LAI、h顯著相關,Kw與RH顯著相關,Kcb與Ta、RH、u、LAI、h均顯著相關(表1)；日尺度3個系數與LAI、h顯著相關,與環境因子相關性不顯著(表2)。

為了避免估算小時尺度蒸散量時忽略掉生物因子的作用,在小時尺度數據相關分析中同樣加入了生物因子。基于整個生長季的各要素相關性分析結果,發現日尺度3個系數主要受生物因子的影響,小時尺度3個系數在短期內主要受環境因子影響,而在較長時間范圍(如整個生長季)受生物因子和環境因子的共同影響。

表1 小時尺度作物系數與生物因子、氣象因子的相關關系

*P<0.05 水平顯著相關, **P<0.01 水平顯著相關

2.3 雙作物系數模型構建及檢驗

基于觀測站小時尺度的連續觀測數據,參照FAO推薦的單、雙作物系數方程,結合非線性回歸法,建立基礎作物系數Kcb和水面蒸發系數Kw的模型,方程如下：

Kcb =[a1(Ta-20)+b1(u-2)+c1(RH-45)]LAId+e (9)

*P<0.05 水平顯著相關,**P<0.01 水平顯著相關

利用非線性方程回歸迭代法估算方程中的參數,參數擬合結果為：

a1=-0.702,b1=-0.651,c1=-0.066,d=-2.872,e=0.979,a2=-0.002,b2=-0.277,c2=0.138

2.4 改進的雙作物系數法模擬蘆葦濕地蒸騰與蒸發過程

圖4 實測與模擬蒸散量比較 Fig.4 Comparison of the calculated evapotranspiration and measured values

利用模擬的作物系數Kc計算小時尺度的蘆葦實際蒸散量,并與渦動相關系統觀測的實際蒸散量進行比較,決定系數R2達0.894,模擬效果很好(圖4)。

利用改進的作物系數法不僅可以計算蘆葦實際蒸散量,同時也能拆分蘆葦蒸騰過程和蒸發過程。分別以生長初期、快速生長期、穩定生長期和生長末期為例,模擬蘆葦群落蒸騰和水面蒸發量的日動態變化過程(圖5),其中,水面蒸發量分別占蘆葦總蒸散量的9.0%—16.3%、7.7%—13.1%、 7.4%—12.3%和11.6%—15.9%。隨著蘆葦的快速生長,群落對水面的覆蓋度越來越高,蘆葦蒸散以蒸騰為主,棵間水面蒸發量占總蒸散量的比重越來越小。當蘆葦葉面積指數、覆蓋度達到最大值后,蘆葦開始呈現衰落趨勢,總蒸散量也將減少,水面蒸發量所占比重增加。

圖5 蘆葦濕地蒸騰和蒸發過程模擬Fig.5 The transpiration and evaporation process in reed wetland

遼河三角洲濕地蘆葦4月20日左右萌芽,在生長初期蒸散量較低,隨著蘆葦的快速增長,一般葉面積指數在7月份達到最大值,濕地蒸散量也通常在7月份達到最大值,9月之后進入凋萎期,蒸散量隨之減少[26](圖6)。研究認為,蘆葦覆蓋度的增加能夠增加濕地下墊面的蒸散量,同時,蘆葦群落蒸騰量的增加量將遠大于由于蘆葦遮蔭引起的棵間水(土)面蒸發的減少量[27],這與本研究的結果一致。

圖6 蘆葦濕地蒸散量日變化Fig.6 Diurnal variation of evapotranspiration in reed wetland

3 討論

3.1 基于改進的雙作物系數與FAO推薦作物系數模擬蒸散過程的結果比較

當蘆葦生長茂密,蘆葦對下墊面覆蓋度較高,此時水面蒸發很小,蘆葦蒸散主要以冠層蒸騰為主,但在蘆葦生長初期,水面裸露較多,水面蒸發無法忽略時,蘆葦群落的蒸散過程包括了蘆葦冠層蒸騰以及水面蒸發過程。遼河三角洲蘆葦濕地的蒸散過程以蘆葦蒸騰為主,5月份的水面蒸發量大于6—9月份,而6—9月份由于蘆葦覆蓋度較高,水面蒸發幾乎可以忽略不計。在蘆葦生長初期,作物系數隨著環境因子的變化,日變化也呈現波動過程,因此,單一的作物系數經驗常數不適于小時尺度的蒸散模擬計算。在蘆葦生長快速和穩定生長期,作物系數受環境因子影響減小,白天的變化呈現較為穩定的過程,在計算白天的蒸散量時,可以采用簡化的經驗常數。

FAO推薦的蘆葦沼澤濕地(有水層)的作物系數Kc在生長初期、中期和末期分別為1.0,1.2和1.0。利用FAO推薦的作物系數計算遼河三角洲蘆葦濕地蒸散量與渦動相關系統觀測的實際蒸散量進行比較,相關系數R2為0.837(圖7)。以蘆葦生長中后期為例,分別利用FAO推薦的作物系數和利用改進的雙作物系數法計算蘆葦濕地蒸散量(圖8),基于改進雙作物系數法的蒸散量、基于FAO推薦作物系數的蒸散量和渦動相關實測值相比,發現三者的趨勢基本一致,但是利用FAO推薦的作物系數計算蒸散量模擬值偏高,尤其是在蘆葦生長中期和后期；而利用改進的雙作物系數法計算的結果與實測值比較接近。利用FAO推薦的作物系數模擬值偏高的原因可能是遼河三角洲濕地的蘆葦群落與FAO推薦的蘆葦沼澤生長環境和生態類型不同所引起的差異,另外單一的作物系數無法完全代表蘆葦長勢與環境的變化。

由于地區和品種等差異,直接采用FAO推薦的各類作物系數估算蒸散量可能產生較大誤差[28],研究普遍認為,植被群落的作物系數需要根據當地天氣、植被特點、土壤特性以及其他因素進行修正[29]。因此,一些學者考慮了地理因素和氣候特點等因素對FAO推薦的雙作物系數法進行了修正。Wright[30]根據當地氣候環境特點修正FAO推薦的作物系數；Rosa等[10,31]基于雙作物系數法開發了SIMdualKc模型；Paredes等[32]利用修正后的作物系數校準SIMdualKc模型用于豌豆蒸散過程模擬；彭世彰等[33]修訂了冬小麥、夏玉米、棉花及水稻作物的作物系數和土壤蒸發系數公式；張強等[34]針對春小麥利用風速和相對濕度修正了Kumar的作物系數方程；李謙等[35]等參照當地氣候條件和作物葉面積指數訂正稻田作物系數。馮禹等[36]基于葉面積指數修正了雙作物系數中的土壤蒸發系數,用于估算春玉米蒸散。

圖7 實測與FAO法模擬蒸散量比較 Fig.7 Comparison of the calculated evapotranspiration used FAO method and measured values

圖8 實測與模擬蒸散量比較Fig.8 Comparison of the calculated evapotranspiration and measured values

基于FAO公式改進雙作物系數法和利用雙作物系數法估算農田、森林等生態系統蒸騰和蒸發量的研究較多,但以濕地植被為研究對象的較少。蘆葦群落在生長季的覆蓋度較高,水(土)面蒸發系數雖然在一定范圍內可以忽略,但是通過對作物系數法的改進,發現利用改進后的雙作物系數法估算濕地蒸散量比FAO推薦系數法更為準確,因此,所構建的雙作物系數模型更適用于遼河三角洲濕地的蘆葦群落,同時還可以拆分蘆葦濕地的蒸發與蒸騰量。

3.2 調整FAO推薦的單作物系數經驗值簡化蘆葦濕地蒸散模擬過程

改進的雙作物系數法是基于環境因子和生物因子的小時尺度動態作物系數,能夠更有效地模擬蘆葦群落蒸發與蒸騰過程。但在實際應用中,如果僅計算群落蒸散量,可以利用改進的單作物系數簡化計算。將蘆葦生長季劃分為生長初期、快速生長期、穩定生長期和生長末期4個階段。利用公式(7)計算Kc實際值,將各個時期每日的動態系數求取平均值,4個階段的作物系數平均值分別為0.9,1.1,1.0,0.9(表3)。

表3 遼河三角洲蘆葦群落各時期調整作物系數

表4給出了FAO推薦的不同時期蘆葦濕地作物系數經驗值,以及其他文獻修正后的蘆葦濕地作物系數計算值。從表中可以發現,4個階段蘆葦濕地作物系數變化趨勢基本一致,隨著蘆葦的生長,Kc值不斷增加,并在成熟后下降。蘆葦群落植被的高度、密度、覆蓋度以及環境因子均影響著作物系數的大小。

作物系數受氣候條件和下墊面特征等因素的影響[39],不同品種濕地植被的作物系數不盡相同。Drexler等[19]計算華金三角洲沼澤濕地蘆葦的作物系數日均值為0.7—1.2,生長季平均值為0.95；Zhou等[14]計算的蘆葦濕地作物系數范圍為0.2—1.4,生長季平均值為0.71；Borin等[40]計算威尼斯和西西里島蘆葦濕地的作物系數范圍分別為4.7—8.4和2.3—8.5；Anda等[40]計算巴拉頓湖蘆葦濕地4—9月份作物系數分別為1.03,1.23,1.4,1.51,0.99,0.77,作物系數的季節平均值為0.73—1.37。Tuttolomondo等[41]計算西西里島人工濕地植物傘竹在生長初期、快速生長期、穩定生長期和生長末期的作物系數分別為1.05,3.39,5.71,2.55,香蒲的作物系數分別為1.2,3.84,6.51,2.95。Queluz等[42]計算人工濕地香蒲的作物系數月平均范圍為2.03—3.68。王昊等[38]利用FAO- 56模型和單作物系數法計算了扎龍蘆葦濕地的蒸散量,在計算中調整了扎龍濕地蘆葦各生長時期的作物系數,其生長初期、快速生長期、穩定生長期和生長末期的作物系數分別為1.2,1.191,1.178和1.083,與本文相比,各時期作物系數均略高于遼河三角洲蘆葦濕地。賈志軍等[6]研究認為三江平原沼澤濕地(主要植被毛苔草)的作物系數主要受葉面積指數LAI的影響,利用LAI建立了作物系數線性回歸方程。本文的蘆葦群落除了受自身株高、葉面積的影響外,由于研究區地處濱海地區,風速較大,風速是影響作物系數日變化的主導影響因子之一,因此作物系數方程的輸入因子包括風速。周林飛等[13]根據FAO推薦的作物系數調整了石佛寺人工蘆葦濕地的作物系數,調整后的生長初期作物系數為1.2,快速生長期為1.204,穩定生長期和生長末期加入風速、濕度和株高的影響因子,作物系數為變化值。鄧雯等[43]認為采用FAO- 56推薦的單作物系數法計算滇池外海環湖濕地植被年蒸散量是合理的。李志威等[44]對若爾蓋高原泥炭濕地植被初期、中期和末期修正后的作物系數分別為0.68,1.1,0.62,作物系數小于遼河三角洲蘆葦濕地。

表4 FAO和其他研究的蘆葦濕地作物系數(Kc)比較

FAO: 國際糧農組織Food and Agriculture Organization

4 結論

基于渦動通量、小氣候梯度要素、水面蒸發等數據和作物系數的影響主導因子(氣溫、相對濕度、風速、葉面積指數),對遼河三角洲濕地蘆葦群落的作物系數Kc、基礎作物系數Kcb和水面蒸發系數Kw進行模擬,利用構建的雙作物系數模型和FAO- 56模型,對遼河三角洲蘆葦群落冠層尺度的蒸發與蒸騰過程進行模擬。基于生物因子和環境因子建立的動態雙作物系數模型,適用于小時尺度的蘆葦群落蒸散模擬,同時,實現了蘆葦群落蒸發過程與蒸騰過程的分離,解決了無法通過實際觀測直接獲取蘆葦群落蒸騰量的問題,蘆葦群落蒸散量的模擬精度提高了5.7%,可為開展蘆葦群落蒸發與蒸騰過程模擬提供參數。同時,調整了FAO推薦的蘆葦單作物系數經驗常數值,新調整的單作物系數更適用于遼河三角洲濕地蘆葦群落的蒸散模擬。