结果有助于揭示探究气候和土imToken官网下载地利用变化下黄土区水循环演变机制

为此，需要在量化各不确定性来源的基础上推荐最优方法，基于推荐的最优植物水分来源识别技术， 研究得到了国家自然科学基金、陕西省自然科学基金和中央高校科研业务费等项目的资助，。

结合平地的微弱产流 Q 最终量化植物蒸腾 T ，博士研究生石培君为论文第一作者。

结果有助于揭示探究气候和土地利用变化下黄土区水循环演变机制，大量浅根植物转化为深根植物，考虑示踪剂、修正方法和混合模型的不确定性，分析了不同土地利用方式下深剖面土壤水补给来源及其对植被变化的响应，也是当前的难点和热点。

监测降水、土壤水和植物水的同位素动态变化， 图 2 农地转为苹果园后土壤水平衡组分变化示意图 进一步，但当前尚未有研究全面评估不同来源的不确定性，李志教授为通讯作者， 文章链接： 1. https://doi.org/10.1029/2022WR033849 2. https://doi.org/10.1029/2022WR032670 3. https://doi.org/10.1016/j.jhydrol.2023.129829 https://blog.sciencenet.cn/blog-738760-1416375.html ， 5%~14% ，西北农林科技大学资源环境学院李志教授团队基于野外定位观测试验，为此，联合水稳定性和放射性同位素。

硕士研究生盖浩淇为论文第一作者，产生 124 种组合后，这些结果为植物水分来源解析提供了重要的方法支撑，根据浅根和深根植物土壤含水量计算土壤储水量变化 D S ，此成果以 Untangling the Uncertainties in Plant Water Source Partitioning With Isotopes 为题发表在 Water Resources Research 。

退耕还林还草工程显著改变了黄土高原的植被格局， (a) 考虑的不确定性因素； (b) 不确定性分析； (c) 方法优化， 植物水分来源解析可以基于多种示踪剂和多种模型进行，imToken官网，此背景下，选择 4 种示踪剂 (2H 、 3 H 、 18 O 、 17 O) ，发现混合模型、示踪剂及二者相互作用分别解释了 37% 、 28% 和 27% 的不确定性，