小型水體（< 1 km²）占全球內陸水體總數量的99%以上，其蒸發估算是預測未來水資源儲量的關鍵環節（Verpoorter et al., 2014; Messager et al., 2016)。在小型水體上，傳統蒸發方法的應用準確度大大降低，例如Priestly-Taylor模型的模擬結果因平流效應的增強而存在較大偏差（Bello and Smith, 1990），通量梯度法和渦度相關法因小型水體的風浪區有限和儀器安裝高度的限制導致數據有效性較低（Zhao et al., 2019），然而穩定同位素質量守恒法在小型水體上的應用凸顯了它獨特的優勢，為蒸發估算提供了新的思路和方法，但是該方法的技術難題在于其耦合的Craig-Gordon模型中同位素動力分餾系數ε_k的準確量化。

同位素動力分餾效應是指在水循環的相變過程中（例如蒸發、降水等），因互為同位素的不同原子（例如¹⁶O和¹⁸O）的分子擴散速率不同造成水體中各同位素富集程度發生變化的一種過程。同位素動力分餾系數ε_k表征該效應的強弱，代表大氣湍流削弱動力分餾效應的強弱，目前如何量化這種削弱作用仍不明確，致使動力分餾效應的估算不準確（Craig and Gordon, 1965；Horita et al., 2008；Gonfiantini et al., 2018）。傳統ε_k算法方法主要有兩種：一種為基于實驗室蒸發皿觀測總結的經驗值，ε_k分別為12.5‰（²H）和14.2‰（¹⁸O），簡稱LK算法；另一種基于海洋觀測數據和物理模型推導，通過風速進行求算 (Merlivat and Jouzel, 1979) ，簡稱OS算法。有研究對比發現基于OS算法（ε_k¹⁸O = 6.2‰）計算的太湖年蒸發量比基于LK算法估算的蒸發量高72%（Xiao et al., 2017）。因此，ε_k的兩種算法在實際應用中產生的分歧極大，自然水體的ε_k真實值需要野外實驗進一步觀測研究。迄今為止研究ε_k的野外實驗僅有Gonfiantini等人(2018)和Xiao等人（2017）。前者主要通過Unified Craig-Gordon模型基于前人觀測的水體同位素組分數據推導ε_k，缺點是模型中大氣水汽同位素組分δ_V輸入的是一個固定值；后者是基于通量梯度法在太湖（2400 km²）觀測δ_E計算ε_k，但是太湖屬于超大型水體（>1000 km²），風浪區大，風速或者湍流強度也大，估算的ε_k較小。所以ε_k的真實值需要在分布最為廣泛的小型水體上進一步得到檢驗。為探討小型水體蒸發中的最佳動力分餾，本研究在安徽的官渡實驗基地，選擇了一個小型水體（魚塘，面積約為6900 m²）和常規氣象觀測的大小兩種蒸發皿（直徑20 cm和60 cm）進行觀測實驗，反算各水體的ε_k（圖1）。結果表明：（1）基于IMB模型和CG模型估算的魚塘、大蒸發皿和小蒸發皿ε_k最優值分別為10.2 ± 4.9 ‰、14.3 ± 6.8 ‰和7.0 ± 3.1 ‰（圖1）。（2）在小型水體中，動力分餾系數的參數化方案中，OS算法要比LK算法更接近真實值（圖1）。（3）ε_k與T_s – T_a存在顯著的負相關關系（y = -3.69 x + 18.16; r = -0.67，p < 0.01），這也說明了對流湍流強度越強，動力分餾效應強度越弱（圖2）。（4）ε_k與水體面積無顯著相關性。小型水體的ε_k（¹⁸O）平均值（9.64 ± 2.80 ‰）與大型水體的平均值（10.10 ± 2.60 ‰）沒有明顯差別（p = 0.85, t = -0.20, 雙邊T檢驗）。基于表1中的10個數據，ε_k(¹⁸O)的總體平均值為9.74 ± 2.60 ‰，對應的湍流參數n為0.34，ε_k（D）則為8.5 ± 2.29 ‰。以上成果將為小型水體蒸發過程同位素動力分餾過程提供科學依據，推進氫氧穩定同位素在內陸水循環中的研究。研究成果以“Isotopic kinetic fractionation of evaporation from small water bodies”為題發表在《Journal of Hydrology》雜志上。南京信息工程大學肖薇教授為通訊作者，謝成玉博士為第一作者，南京信息工程大學劉壽東教授和張彌副教授、中國科學院地理科學與資源研究所王晶苑副研究員以及南京信息工程大學博士研究生張圳、胡勇博、劉強、碩士研究生錢雨妃和朱昊為合作作者。該研究得到了國家重點研發計劃和中國國家自然科學基金的支持。

來源：網絡