尧图网页设计 
前几篇解决了 “怎么把压力变成风”这一篇回答 “风出来了然后呢”——PyWingpod 只是前半场真正的科学目标藏在后半场CH₄/CO₂/ 潜热通量。这个系列前几篇讲了两件事怎么不下载官方数据就把 PyWingpod 跑通、怎么从零搭环境跑出三维风矢量CSDN 站内搜索 “PyWingpod 环境搭建”以及五孔探针标定与风矢量反演的全公式推导。但有一个问题始终绕不开ASK-16 是一架动力滑翔机飞一次好几个小时最终交付的却不是风矢量而是通量——CH₄、CO₂、潜热。风矢量L1在整条链里只是中间产品通量L2才是论文的落点。这篇就把 L1 → L2 这段被中文资料几乎完全忽略的链路完整拆开从风矢量与气体浓度合并到时延校正到两种通量算法Reynolds vs Morlet 小波到质量评估四件套。并且全程用官方发布的数据包和论文附表交叉验证还附一个我实测发现的官方数据单位坑。〇、一分钟看懂涡度协方差涡度协方差Eddy Covariance, EC的物理图像是大气湍流把标量CO₂、CH₄、水汽、热量上下搬运通量就是垂直风速脉动与标量浓度脉动之间的协方差KaTeX parse error: \tag works only in display equations其中w ′ w − w ˉ w w - \bar{w}w′w−wˉ、c ′ c − c ˉ c c - \bar{c}c′c−cˉ是 Reynolds 分解后的脉动量横杠表示时间平均。ASK-16 数据包里F_CO2_kin等列的物理量正是w ′ ww′与气体摩尔分数脉动的协方差单位 mol/m²/s即上式不乘ρ \rhoρ的形式。塔基 EC 大家很熟一座塔、一个固定点、一个 30 分钟平均窗口得到的是 “该点上方” 的一条通量时间序列。机载 EC 完全不同—— 飞机以几十 m/s 量级的空速掠过ASK-16 空速范围 17.8~56 m/s论文 2.1 节测的不是一个点而是沿航迹的一条空间剖面。这是机载 EC 与塔基 EC 最本质的差别它决定了后面所有设计维度塔基 EC机载 ECASK-16观测对象固定点上方的通量时间序列沿航迹的通量空间剖面平均窗口30 min时间平均2 km 空间窗口按空速折算约 36~44 s估算通量足迹上风向几百米扇形沿航迹地面一条 “足迹带”采样频率10~20 Hz风 20 Hz、气体 10 Hz一句话塔基 EC 用时间换统计机载 EC 用空间换统计。前者关注 “这里随时间怎么变”后者关注 “这一条线上空间怎么变”。一、L1→L2 流水线总览论文 Fig. 2 把整条处理链分成了两段PyWingpodPython负责到 L1 风矢量eddy4RR 语言NEON 生态负责 L2 通量。L1→L2 这一段长这样L1 三维风矢量20 Hz, PyWingpod #x20; │ #x20; ├─① 与 Picarro 气体浓度合并 → 最近邻插值到 10 Hz 公共时基 #x20; ├─② 去尖峰 → 非线性中值滤波7 点窗, Brock 1986 #x20; ├─③ 航段划分 → 垂直段(推边界层高度) / 水平直航段(算通量) #x20; ├─④ 时延校正 → w′ 与 CH₄/CO₂/H₂O 高通滤波互相关 #x20; ├─⑤ 通量计算双路线 #x20; │ ├─ Reynolds2 km 窗 / 200 m 步长的 w′c′ 协方差 #x20; │ └─ Morlet 小波连续小波变换 → 交叉小波谱 → 尺度积分 #x20; └─⑥ 足迹计算Kljun 沿风向 高斯横风 #x20; ↓ #x20; L2 通量产品F\_CO₂ / F\_CH₄ / F\_LE 质量评估每一环节都是独立的小工程下面逐个拆。二、L1→L2 的处理步骤详解2.1 合并20 Hz 风 × 10 Hz 气体怎么对齐ASK-16 的气体浓度由Picarro G2311-f 闭路腔衰荡光谱仪测量CH₄/CO₂/ 水汽10 Hz而风矢量是 20 Hz。两条序列要并到一条公共时基上。论文的做法是最近邻插值nearest-neighbor统一到 10 Hz。选最近邻而不是线性插值一个客观原因是它能保留原始测量幅度—— 通量计算吃的是脉动量线性插值会人为 “平滑” 高频脉动、压低协方差。这是通量链路里第一个 “宁糙勿滑” 的取舍。2.2 去尖峰为什么不能用简单阈值激光光谱仪偶尔会吐出尖峰气压抖动、腔体扰动尖峰对协方差是灾难性的 —— 一个离谱的点可以直接把w ′ c ′ wcw′c′的平均值带偏一个量级。论文用的是非线性中值滤波用一个 7 点N3窗口的非线性中值滤波算法检测尖峰并处理Brock 1986Starkenburg et al. 2016。中值滤波的好处是对孤立尖峰免疫、且不伤真实脉动的统计结构。这比 “超过 3σ 就删” 这类简单阈值稳健得多 —— 后者在强湍流本来就该有大脉动时会误杀真实信号。2.3 分段垂直段 vs 水平直航段合并、清洗后的数据按飞行轨迹切成两类垂直爬升 / 下降段用于推边界层高度势温、相对湿度、CH₄/CO₂ 廓线水平直航段leg才是算通量的素材。只有平直、高度基本不变的航段能近似满足 EC 的稳态假设。这也是为什么数据包里所有通量产品都按Leg1~Leg5组织。2.4 时延校正气体分子要走一段管路Picarro 是闭路腔衰荡光谱仪气体信号从进气口到分析仪之间存在时间滞后。论文对滞后成因的表述是不同传感器处理速度的差异会造成时滞Drüe Heinemann 2013对机载闭路系统这也包括气体在管路中的传输时间。滞后不校协方差会在时移下被系统性低估 —— 这是 EC 里最经典的一类误差。校正方法对w ′ ww′和浓度做高通滤波后的互相关Hartmann et al. 2018峰值对应的时移就是该航段的 lag。论文 Table 4 给了一组实测值航段Lag CH₄–wLag CO₂–wLag H₂O–wLeg 1−1.4 s−1.4 s−4.3 sLeg 2−1.4 s−1.4 s−4.6 sLeg 3−1.3 s−1.4 s−4.7 sLeg 4−1.4 s−1.4 s−4.7 sLeg 5−1.3 s−1.4 s−4.3 s采用值−1.4 s−1.4 s逐航段独立三个值得注意的细节CH₄ 与 CO₂ 稳定在 −1.4 s于是整个航次用一个中位 lag统一校正H₂O 的 lag 在 −4.3 ~ −4.7 s 之间波动论文的处理是水汽必须逐航段单独定 lag不能共用中位数水汽信号受管路吸附等影响更不稳定 —— 此为合理解释论文未明确归因温度没有做 lag 校正——w ′ ww′与T ′ TT′之间测不出稳定的相关峰说明热电偶响应足够快不需要移。这里的工程教训不同物种的滞后特性不同不能图省事共用一个 lag。水汽这种 “粘管壁” 的气体尤其如此。2.5 通量计算Reynolds 还是小波这是整条链路的核心分歧点。论文两种都算了但主推小波。路线 AReynolds时域经典的 block-average 路线对 2 km 窗口做 Reynolds 分解直接算w ′ c ′ ‾ \overline{wc}w′c′每 200 m 滑动一次。优点实现简单、解释直观缺点2 km 窗口欠采样了低频大涡的贡献且通量是一个窗口一个值空间分辨率被平均掉。路线 BMorlet 小波时频域对每个航段的所有变量做连续小波变换Morlet 母小波Torrence Compo 1998然后算w ww与标量之间的交叉小波谱把交叉谱沿尺度频率积分得到通量。这一思路的标准简化表达为KaTeX parse error: \tag works only in display equations论文正文只描述了 “对交叉小波谱积分” 的流程上式是 Torrence Compo 框架下的通用简化写法非论文原式此处仅作示意。小波的好处是同时保留时间和频率信息大尺度低频涡的贡献被显式包含不再被窗口截断通量可以按 200 m 步长连续输出得到一条空间剖面而不是每 2 km 一个点对非平稳航段更鲁棒。代价也很实在交叉小波谱对单段随机误差的敏感性更高论文 Table 6 里 RE_wavelet 高达 108~134%而 RE_Reynolds 约 30~38%详见第五节。参数选择2000 m 窗口、200 m 步长。论文说明该窗口 / 步长组合参考了 Metzger et al. (2012, 2013)综合飞行高度ASK-16 约 150–250 m 高、大气混合与地表特征尺度权衡得出 —— 窗口越长随机误差越小随机误差与平均长度的平方根成反比Lenschow Stankov 1986但空间分辨率越差。2.6 足迹Footprint通量是 “哪块地” 的通量算出的是飞机下方一整条混合信号要回答 “这块通量对应地面上哪片区域”就要算足迹。ASK-16 用的是Kljun et al. (2004) 沿风足迹 高斯横风分布的组合Metzger et al. 2012输入是摩擦速度、飞行高度、σ u \sigma_uσu、σ w \sigma_wσw、边界层高度和粗糙度长度。这一步的意义在下游把通量剖面叠加上足迹权重就能生成通量地形图flux topography—— 把 CH₄ 排放峰值精确对应到泥炭地斑块。这正是机载 EC 相比塔基 EC 的核心竞争力。三、真实数据长什么样打开 180 KB 的通量包官方通量数据包ASK16_Flux_data.zip只有180 KB和 662 MB 的 L1 包形成鲜明对比 —— 因为它是聚合后的最终产品含 2018-08-29 一个航次、5 个航段的三种产品文件模式内容*_REYN_mn.csvReynolds 通量含位置、风、浓度、通量全字段*_WAVE_mn.csvMorlet 小波通量纯通量字段*_WAVE_itcs.csv积分湍流特征 ITCS 质量旗标每个文件 108~116 个数据行 一个航段约 22~23 km每 200 m 一个通量段。这就是 “200 m 空间分辨率” 的直接体现。WAVE 文件的关键列单位以官方说明 xlsx 为准我已逐列核对变量单位含义u_starm/s摩擦速度F_H_kin/F_H_enK·m/s / W/m²感热通量动力学 / 能量单位F_LE_kin/F_LE_enmol/m²/s / W/m²潜热通量F_CH4_kin/F_CH4_massmol/m²/s / mg/m²/h甲烷通量F_CO2_kin/F_CO2_massmol/m²/s / g/m²/hCO₂ 通量w_starm/sDeardorff 对流速度尺度我下载数据包后对 5 个航段的 WAVE 通量做了统计并和论文 Table 5 的 leg 级 Reynolds 通量对照航段F_CO₂ 均值 (g/m²/h)论文 Table 5 (g/m²/h)F_CH₄ 均值 (mg/m²/h)论文 Table 5 (mg/m²/h)Leg 1−1.290−1.311.531.31Leg 2−1.031−1.001.181.48Leg 3−1.341−1.361.631.99Leg 4−1.234−1.241.741.63Leg 5−1.009−1.241.311.41两点结论CO₂ 全部为负吸收、CH₄ 全部为正排放—— 这正是 8 月底德国东北部农田 森林 泥炭地下垫面的典型格局与论文 Fig. 12 的空间分布一致我独立算的 WAVE 段均值与论文发布的 leg 级通量逐航段对照前 4 个航段吻合到 0.01~0.03 g/m²/hLeg 5 相差 0.23 g/m²/h我的值 −1.009论文 −1.24。整体量级与符号完全一致说明按官方流程走完 L1 后L2 的通量可以复现。Leg 5 的差值可能来自小波与 Reynolds 两种算法对低频贡献的不同包含程度 —— 论文本身也说明二者存在系统性差异。四、我实测发现的一个单位坑REYN 文件的 CO₂ 差 1000 倍这是我逐列核对变量说明时撞出来的写在这里免得后来人拿错数。REYN 文件的说明 xlsx 明确写F_CO2_mass单位为g/m²/h但把 kin 列换算一下就会发现对不上以 Leg 1 第 1 段为例F\_CO2\_kin -2.41e-06 # mol/m²/s \# 换算到 g/m²/h× 44.01 g/mol × 3600 s/h F\_CO2\_mass -2.41e-06 × 44.01 × 3600 ≈ -0.382 g/m²/h而 REYN 文件里F_CO2_mass -380.96——恰好大了 1000 倍。同文件F_CH4_mass却自洽kin 换算 1.74 mg/m²/h ≈ 文件值 1.737。结论REYN 文件的F_CO2_mass列实际单位是 mg/m²/h或等价地数值被放大了 1000 倍与标注的 g/m²/h 不符。而 WAVE 文件的同名列换算自洽、单位标注正确我用 kin→mass 双向换算验证过。实践建议做量级分析前先用 kin 列独立换算一次交叉验证 mass 列的单位尤其当两种算法的 “同一物理量” 数值相差几个数量级时先查单位而不是先怀疑算法。五、为什么小波通量是主角两种算法的差距对照论文 Fig. 11 用一条典型航段对比了两种 CO₂ 通量注论文正文称 first flight leg、图注标 leg 2两处编号不一致这里不做仲裁交叉小波谱cross-scalogram蓝色主导 全程以 CO₂ 吸收为主还能看出吸收在空间上随下垫面变化Reynolds 段通量虚线趋势一致但更小、更噪—— 因为 2 km 窗口欠采样了低频大涡贡献这与论文原话一致。论文给出的随机误差对照Table 6CO₂ 为例5 个航段 全航次汇总误差类型WaveletReynolds系统误差 SE0.7~0.9%均 0.8%0.9~1.2%均 1.0%随机误差 RE单段108~134%均 124%30~38%均 34%REBillesbach 洗牌法整航段6.6~11.0%均 9.2%—CH₄ 的 RE 整体高一档单段 Reynolds 90~113%、小波 322~433%LE 的 Reynolds 单段 RE 约 45~50%。这里有个反直觉的点小波单段随机误差反而更大论文只陈述了这一数值规律 ——Reynolds 单段 100%、小波单段100%一个合理解释是小波显式包含了更多低频信息单段估计对低频波动更敏感。但它的价值在空间分辨率和低频完整性—— 你拿到的是 200 m 一条的通量剖面而不是 2 km 一个点。论文还特别说明相邻 200 m 段共享 2 km 窗口、90% 重叠样本自相关显著若不修正会把集合随机误差人为压低所以做误差估计时要用有效样本量N e f f N_{eff}Neff修正KaTeX parse error: \tag works only in display equationsρ ( k ) \rho(k)ρ(k)是滞后 k 的自相关函数。用N e f f N_{eff}Neff代替N NN才能正确估计重叠样本下的集合随机误差 —— 不修正会把误差低估一大截。六、通量质量四件套你怎么知道通量可信机载 EC 只在 “稳态 充分发展湍流” 下成立Foken, 2017。论文对每个通量段做了四层体检① 稳态检验stationarity趋势分析 Foken Wichura (1996) 与 Vickers Mahrt (1997) 的内非平稳分析。Leg 1 的 CH₄/CO₂ 未通过其余航段通过。未通过的段不是不能用而是要被标记—— 它提示该段通量受非平稳过程污染。② 积分湍流特征ITCS实测与理论模型的σ u \sigma_uσu、σ w \sigma_wσw、u ∗ u_*u∗之比Thomas Foken 2002比值 ≤100% 表示湍流发展充分。5 个航段全部达标u: 36.7~50.1%w: 9.6~15.0%u*: 38.9~50.1%。③ 检测限detection limitBillesbach (2011) 随机洗牌法 —— 把序列随机打乱重算通量打乱后的 “通量” 分布宽度就是该仪器配置的检测下限通量检测限实测段通量LE6.0~8.1 W/m²73.8~128 W/m²CH₄0.35~0.52 mg/m²/h1.31~1.99 mg/m²/hCO₂0.09~0.13 g/m²/h−1.00~−1.36 g/m²/h检测限比实测通量低一个到两个量级LE 低约 9~21 倍、CO₂ 低约 8~15 倍、CH₄ 低约 2.5~5.7 倍甲烷信号本身较弱。总体说明这套传感器配置对当地通量强度绰绰有余。这是判断 “平台够不够灵敏” 的黄金标尺。④ 系统 / 随机误差SE/REMann Lenschow (1994) 公式。SE 普遍 ≤1%标定误差被控制住了RE 是主导项 —— 论文给出的单段通量随机误差范围是LE 和 CO₂ 约 30~40%、CH₄ 约 80~100%Reynolds 口径且CH₄ 通量越小、RE 越大论文此结论与 Wolfe et al. 2018 的观测一致直观理解是小信号在湍流噪声里更难分辨。论文还给了更粗粒度的 “重复测量不确定度”5 条航段重复飞同一剖面每 200 m 段的变异性为 CH₄ 86.2±57.7%、CO₂ 32.9±12.9%、LE 36.6±13.0%。CH₄ 剖面起伏巨大—— 这正是泥炭地甲烷排放的斑块特征也说明单次航段的 CH₄ 通量必须结合足迹和多次重复才能下结论。七、从通量到科学L2 产品的真正价值2018-08-29 这次飞行的科学结果是教科书级的论文 Fig. 12CO₂ 吸收峰值出现在森林 泥炭地覆盖 63.5% 的区域吸收 −1.3 g/m²/h 量级CH₄ 排放峰值出现在森林覆盖 50% 泥炭地覆盖 22%合计 72%的区域排放 1.99 mg/m²/h 量级潜热通量变异性最大的区域也正是泥炭地占比最高的区域。机载 EC 的价值在这里显现塔基 EC 只能告诉你 “站点上方通量变了”机载 EC 直接告诉你 **“哪块地贡献了哪个通量”—— 把通量 × 足迹叠起来就是一张可和土地覆盖分类、卫星遥感对照的通量地形图 **。这也是论文展望里 “物理引导 AI 地球观测 → 区域通量制图” 的前置能力。八、系列四篇一张完整地图到这里这个系列终于闭环了篇解决的问题链路位置① 最小实现数据拿不到算法还能不能验证L0→L1 验证方法论② 环境搭建实操怎么把链路真正跑起来L0→L1 实操③ 算法原理推导压力是怎么变成三维风的L0→L1 数学④ 通量链路本篇风出来了通量怎么算L1→L2 全流程前几篇的合成数据沙盒在 L2 阶段同样成立你完全可以合成一组带已知通量真值的w ′ c ′ wcw′c′序列喂给 Reynolds / 小波实现验证 “通量反演是否正确”—— 就像第一篇验证风矢量那样。通量链路的验证难点在时延和低频截断不在协方差本身。九、总结把 L1→L2 这条链收束成三句话机载 EC 用空间换统计风 20 Hz × 气体 10 Hz 合并 → 去尖峰 → 分段 → 时延校正 → 通量全程目标是把一条 22 km 航迹变成 200 m 分辨率的通量剖面小波是主角Reynolds 是参照小波保住低频大涡和空间分辨率代价是单段随机误差更大需要用有效样本量修正通量产品必须配质量四件套稳态、ITCS、检测限、SE/RE—— 没有检测限的通量数字没有意义没有 ITCS 的 “可信” 没有依据。以及一个实操提醒用官方数据前先做一次 kin→mass 单位互算我已经替你们踩出一个差 1000 倍的坑了。参考资料Wiekenkamp, I., Lehmann, A. K., Bülow, A., Hartmann, J., Metzger, S., Ruhtz, T., Wille, C., Zöllner, M., and Sachs, T.:The ASK-16 motorized glider: an airborne eddy covariance platform to measure turbulence, energy, and matter fluxes, Atmos. Meas. Tech., 18, 749–772, https://doi.org/10.5194/amt-18-749-2025, 2025.CC-BY-4.0数据集Airborne Wind and Eddy Covariance Dataset含 ASK16_Flux_data.zip, GFZ Data Services, https://doi.org/10.5880/GFZ.1.4.2024.003 CC-BY-4.0PyWingpod v1.0.0, GFZ Data Services, https://doi.org/10.5880/GFZ.1.4.2024.004 BSD-3-ClauseMetzger, S., Junkermann, W., Mauder, M., Beyrich, F., Butterbach-Bahl, K., Schmid, H. P., and Foken, T.:Eddy-covariance flux measurements with a weight-shift microlight aircraft, Atmos. Meas. Tech., 5, 1699–1717, 2012.Metzger, S., Junkermann, W., Mauder, M., Butterbach-Bahl, K., Trancón y Widemann, B., et al.:Spatially explicit regionalization of airborne flux measurements using environmental response functions, Biogeosciences, 10, 2193–2217, 2013.Hartmann, J., Gehrmann, M., Kohnert, K., Metzger, S., and Sachs, T.:New calibration procedures for airborne turbulence measurements and accuracy of the methane fluxes during the AirMeth campaigns, Atmos. Meas. Tech., 11, 4567–4581, 2018.Torrence, C. and Compo, G. P.:A Practical Guide to Wavelet Analysis, Bull. Amer. Meteor. Soc., 79, 61–78, 1998.Foken, T. and Wichura, B.:Tools for quality assessment of surface-based flux measurements, Agr. Forest Meteorol., 78, 83–105, 1996.Vickers, D. and Mahrt, L.:Quality Control and Flux Sampling Problems for Tower and Aircraft Data, J. Atmos. Ocean. Tech., 14, 512–526, 1997.Thomas, C. and Foken, T.:Re-evaluation of Integral Turbulence Characteristics and their Parameterisations, AMS Symposium on Boundary Layers and Turbulence, 15, p. 129, 2002.Billesbach, D. P.:Estimating uncertainties in individual eddy covariance flux measurements: A comparison of methods and a proposed new method, Agr. Forest Meteorol., 151, 394–405, 2011.Brock, F. V.:A nonlinear filter to remove impulse noise from meteorological data, J. Atmos. Ocean. Tech., 3, 51–58, 1986.Kljun, N., Calanca, P., Rotach, M. W., and Schmid, H. P.:A Simple Parameterisation for Flux Footprint Predictions, Bound.-Lay. Meteorol., 112, 503–523, 2004.Mann, J. and Lenschow, D. H.:Errors in airborne flux measurements, J. Geophys. Res., 99, 14519–14526, 1994.Lenschow, D. H. and Stankov, B. B.:Length Scales in the Convective Boundary Layer, J. Atmos. Sci., 43, 1198–1209, 1986.本文涉及的论文、数据集、源码均为公开成果按原许可证CC-BY-4.0 / BSD-3-Clause使用并标注出处文中 “REYN 文件 CO₂ 单位差 1000 倍” 为本人对官方数据的独立换算发现其余通量统计为本人对公开数据的复算。文中所有论文数值均直接引自 AMT 18, 749–772 正文与 Table 4/5/6正文引用的其余文献如 Starkenburg et al. 2016、Foken 2017、Drüe Heinemann 2013详见该论文的参考文献列表。本文为原创解读未声称拥有任何第三方素材权利。 风测出来了，然后呢？从三维风矢量到 CH₄/CO₂ 通量：ASK-16 机载涡度协方差 L1→L2 链路全拆解
前几篇解决了 “怎么把压力变成风”这一篇回答 “风出来了然后呢”——PyWingpod 只是前半场真正的科学目标藏在后半场CH₄/CO₂/ 潜热通量。这个系列前几篇讲了两件事怎么不下载官方数据就把 PyWingpod 跑通、怎么从零搭环境跑出三维风矢量CSDN 站内搜索 “PyWingpod 环境搭建”以及五孔探针标定与风矢量反演的全公式推导。但有一个问题始终绕不开ASK-16 是一架动力滑翔机飞一次好几个小时最终交付的却不是风矢量而是通量——CH₄、CO₂、潜热。风矢量L1在整条链里只是中间产品通量L2才是论文的落点。这篇就把 L1 → L2 这段被中文资料几乎完全忽略的链路完整拆开从风矢量与气体浓度合并到时延校正到两种通量算法Reynolds vs Morlet 小波到质量评估四件套。并且全程用官方发布的数据包和论文附表交叉验证还附一个我实测发现的官方数据单位坑。〇、一分钟看懂涡度协方差涡度协方差Eddy Covariance, EC的物理图像是大气湍流把标量CO₂、CH₄、水汽、热量上下搬运通量就是垂直风速脉动与标量浓度脉动之间的协方差KaTeX parse error: \tag works only in display equations其中w ′ w − w ˉ w w - \bar{w}w′w−wˉ、c ′ c − c ˉ c c - \bar{c}c′c−cˉ是 Reynolds 分解后的脉动量横杠表示时间平均。ASK-16 数据包里F_CO2_kin等列的物理量正是w ′ ww′与气体摩尔分数脉动的协方差单位 mol/m²/s即上式不乘ρ \rhoρ的形式。塔基 EC 大家很熟一座塔、一个固定点、一个 30 分钟平均窗口得到的是 “该点上方” 的一条通量时间序列。机载 EC 完全不同—— 飞机以几十 m/s 量级的空速掠过ASK-16 空速范围 17.8~56 m/s论文 2.1 节测的不是一个点而是沿航迹的一条空间剖面。这是机载 EC 与塔基 EC 最本质的差别它决定了后面所有设计维度塔基 EC机载 ECASK-16观测对象固定点上方的通量时间序列沿航迹的通量空间剖面平均窗口30 min时间平均2 km 空间窗口按空速折算约 36~44 s估算通量足迹上风向几百米扇形沿航迹地面一条 “足迹带”采样频率10~20 Hz风 20 Hz、气体 10 Hz一句话塔基 EC 用时间换统计机载 EC 用空间换统计。前者关注 “这里随时间怎么变”后者关注 “这一条线上空间怎么变”。一、L1→L2 流水线总览论文 Fig. 2 把整条处理链分成了两段PyWingpodPython负责到 L1 风矢量eddy4RR 语言NEON 生态负责 L2 通量。L1→L2 这一段长这样L1 三维风矢量20 Hz, PyWingpod #x20; │ #x20; ├─① 与 Picarro 气体浓度合并 → 最近邻插值到 10 Hz 公共时基 #x20; ├─② 去尖峰 → 非线性中值滤波7 点窗, Brock 1986 #x20; ├─③ 航段划分 → 垂直段(推边界层高度) / 水平直航段(算通量) #x20; ├─④ 时延校正 → w′ 与 CH₄/CO₂/H₂O 高通滤波互相关 #x20; ├─⑤ 通量计算双路线 #x20; │ ├─ Reynolds2 km 窗 / 200 m 步长的 w′c′ 协方差 #x20; │ └─ Morlet 小波连续小波变换 → 交叉小波谱 → 尺度积分 #x20; └─⑥ 足迹计算Kljun 沿风向 高斯横风 #x20; ↓ #x20; L2 通量产品F\_CO₂ / F\_CH₄ / F\_LE 质量评估每一环节都是独立的小工程下面逐个拆。二、L1→L2 的处理步骤详解2.1 合并20 Hz 风 × 10 Hz 气体怎么对齐ASK-16 的气体浓度由Picarro G2311-f 闭路腔衰荡光谱仪测量CH₄/CO₂/ 水汽10 Hz而风矢量是 20 Hz。两条序列要并到一条公共时基上。论文的做法是最近邻插值nearest-neighbor统一到 10 Hz。选最近邻而不是线性插值一个客观原因是它能保留原始测量幅度—— 通量计算吃的是脉动量线性插值会人为 “平滑” 高频脉动、压低协方差。这是通量链路里第一个 “宁糙勿滑” 的取舍。2.2 去尖峰为什么不能用简单阈值激光光谱仪偶尔会吐出尖峰气压抖动、腔体扰动尖峰对协方差是灾难性的 —— 一个离谱的点可以直接把w ′ c ′ wcw′c′的平均值带偏一个量级。论文用的是非线性中值滤波用一个 7 点N3窗口的非线性中值滤波算法检测尖峰并处理Brock 1986Starkenburg et al. 2016。中值滤波的好处是对孤立尖峰免疫、且不伤真实脉动的统计结构。这比 “超过 3σ 就删” 这类简单阈值稳健得多 —— 后者在强湍流本来就该有大脉动时会误杀真实信号。2.3 分段垂直段 vs 水平直航段合并、清洗后的数据按飞行轨迹切成两类垂直爬升 / 下降段用于推边界层高度势温、相对湿度、CH₄/CO₂ 廓线水平直航段leg才是算通量的素材。只有平直、高度基本不变的航段能近似满足 EC 的稳态假设。这也是为什么数据包里所有通量产品都按Leg1~Leg5组织。2.4 时延校正气体分子要走一段管路Picarro 是闭路腔衰荡光谱仪气体信号从进气口到分析仪之间存在时间滞后。论文对滞后成因的表述是不同传感器处理速度的差异会造成时滞Drüe Heinemann 2013对机载闭路系统这也包括气体在管路中的传输时间。滞后不校协方差会在时移下被系统性低估 —— 这是 EC 里最经典的一类误差。校正方法对w ′ ww′和浓度做高通滤波后的互相关Hartmann et al. 2018峰值对应的时移就是该航段的 lag。论文 Table 4 给了一组实测值航段Lag CH₄–wLag CO₂–wLag H₂O–wLeg 1−1.4 s−1.4 s−4.3 sLeg 2−1.4 s−1.4 s−4.6 sLeg 3−1.3 s−1.4 s−4.7 sLeg 4−1.4 s−1.4 s−4.7 sLeg 5−1.3 s−1.4 s−4.3 s采用值−1.4 s−1.4 s逐航段独立三个值得注意的细节CH₄ 与 CO₂ 稳定在 −1.4 s于是整个航次用一个中位 lag统一校正H₂O 的 lag 在 −4.3 ~ −4.7 s 之间波动论文的处理是水汽必须逐航段单独定 lag不能共用中位数水汽信号受管路吸附等影响更不稳定 —— 此为合理解释论文未明确归因温度没有做 lag 校正——w ′ ww′与T ′ TT′之间测不出稳定的相关峰说明热电偶响应足够快不需要移。这里的工程教训不同物种的滞后特性不同不能图省事共用一个 lag。水汽这种 “粘管壁” 的气体尤其如此。2.5 通量计算Reynolds 还是小波这是整条链路的核心分歧点。论文两种都算了但主推小波。路线 AReynolds时域经典的 block-average 路线对 2 km 窗口做 Reynolds 分解直接算w ′ c ′ ‾ \overline{wc}w′c′每 200 m 滑动一次。优点实现简单、解释直观缺点2 km 窗口欠采样了低频大涡的贡献且通量是一个窗口一个值空间分辨率被平均掉。路线 BMorlet 小波时频域对每个航段的所有变量做连续小波变换Morlet 母小波Torrence Compo 1998然后算w ww与标量之间的交叉小波谱把交叉谱沿尺度频率积分得到通量。这一思路的标准简化表达为KaTeX parse error: \tag works only in display equations论文正文只描述了 “对交叉小波谱积分” 的流程上式是 Torrence Compo 框架下的通用简化写法非论文原式此处仅作示意。小波的好处是同时保留时间和频率信息大尺度低频涡的贡献被显式包含不再被窗口截断通量可以按 200 m 步长连续输出得到一条空间剖面而不是每 2 km 一个点对非平稳航段更鲁棒。代价也很实在交叉小波谱对单段随机误差的敏感性更高论文 Table 6 里 RE_wavelet 高达 108~134%而 RE_Reynolds 约 30~38%详见第五节。参数选择2000 m 窗口、200 m 步长。论文说明该窗口 / 步长组合参考了 Metzger et al. (2012, 2013)综合飞行高度ASK-16 约 150–250 m 高、大气混合与地表特征尺度权衡得出 —— 窗口越长随机误差越小随机误差与平均长度的平方根成反比Lenschow Stankov 1986但空间分辨率越差。2.6 足迹Footprint通量是 “哪块地” 的通量算出的是飞机下方一整条混合信号要回答 “这块通量对应地面上哪片区域”就要算足迹。ASK-16 用的是Kljun et al. (2004) 沿风足迹 高斯横风分布的组合Metzger et al. 2012输入是摩擦速度、飞行高度、σ u \sigma_uσu、σ w \sigma_wσw、边界层高度和粗糙度长度。这一步的意义在下游把通量剖面叠加上足迹权重就能生成通量地形图flux topography—— 把 CH₄ 排放峰值精确对应到泥炭地斑块。这正是机载 EC 相比塔基 EC 的核心竞争力。三、真实数据长什么样打开 180 KB 的通量包官方通量数据包ASK16_Flux_data.zip只有180 KB和 662 MB 的 L1 包形成鲜明对比 —— 因为它是聚合后的最终产品含 2018-08-29 一个航次、5 个航段的三种产品文件模式内容*_REYN_mn.csvReynolds 通量含位置、风、浓度、通量全字段*_WAVE_mn.csvMorlet 小波通量纯通量字段*_WAVE_itcs.csv积分湍流特征 ITCS 质量旗标每个文件 108~116 个数据行 一个航段约 22~23 km每 200 m 一个通量段。这就是 “200 m 空间分辨率” 的直接体现。WAVE 文件的关键列单位以官方说明 xlsx 为准我已逐列核对变量单位含义u_starm/s摩擦速度F_H_kin/F_H_enK·m/s / W/m²感热通量动力学 / 能量单位F_LE_kin/F_LE_enmol/m²/s / W/m²潜热通量F_CH4_kin/F_CH4_massmol/m²/s / mg/m²/h甲烷通量F_CO2_kin/F_CO2_massmol/m²/s / g/m²/hCO₂ 通量w_starm/sDeardorff 对流速度尺度我下载数据包后对 5 个航段的 WAVE 通量做了统计并和论文 Table 5 的 leg 级 Reynolds 通量对照航段F_CO₂ 均值 (g/m²/h)论文 Table 5 (g/m²/h)F_CH₄ 均值 (mg/m²/h)论文 Table 5 (mg/m²/h)Leg 1−1.290−1.311.531.31Leg 2−1.031−1.001.181.48Leg 3−1.341−1.361.631.99Leg 4−1.234−1.241.741.63Leg 5−1.009−1.241.311.41两点结论CO₂ 全部为负吸收、CH₄ 全部为正排放—— 这正是 8 月底德国东北部农田 森林 泥炭地下垫面的典型格局与论文 Fig. 12 的空间分布一致我独立算的 WAVE 段均值与论文发布的 leg 级通量逐航段对照前 4 个航段吻合到 0.01~0.03 g/m²/hLeg 5 相差 0.23 g/m²/h我的值 −1.009论文 −1.24。整体量级与符号完全一致说明按官方流程走完 L1 后L2 的通量可以复现。Leg 5 的差值可能来自小波与 Reynolds 两种算法对低频贡献的不同包含程度 —— 论文本身也说明二者存在系统性差异。四、我实测发现的一个单位坑REYN 文件的 CO₂ 差 1000 倍这是我逐列核对变量说明时撞出来的写在这里免得后来人拿错数。REYN 文件的说明 xlsx 明确写F_CO2_mass单位为g/m²/h但把 kin 列换算一下就会发现对不上以 Leg 1 第 1 段为例F\_CO2\_kin -2.41e-06 # mol/m²/s \# 换算到 g/m²/h× 44.01 g/mol × 3600 s/h F\_CO2\_mass -2.41e-06 × 44.01 × 3600 ≈ -0.382 g/m²/h而 REYN 文件里F_CO2_mass -380.96——恰好大了 1000 倍。同文件F_CH4_mass却自洽kin 换算 1.74 mg/m²/h ≈ 文件值 1.737。结论REYN 文件的F_CO2_mass列实际单位是 mg/m²/h或等价地数值被放大了 1000 倍与标注的 g/m²/h 不符。而 WAVE 文件的同名列换算自洽、单位标注正确我用 kin→mass 双向换算验证过。实践建议做量级分析前先用 kin 列独立换算一次交叉验证 mass 列的单位尤其当两种算法的 “同一物理量” 数值相差几个数量级时先查单位而不是先怀疑算法。五、为什么小波通量是主角两种算法的差距对照论文 Fig. 11 用一条典型航段对比了两种 CO₂ 通量注论文正文称 first flight leg、图注标 leg 2两处编号不一致这里不做仲裁交叉小波谱cross-scalogram蓝色主导 全程以 CO₂ 吸收为主还能看出吸收在空间上随下垫面变化Reynolds 段通量虚线趋势一致但更小、更噪—— 因为 2 km 窗口欠采样了低频大涡贡献这与论文原话一致。论文给出的随机误差对照Table 6CO₂ 为例5 个航段 全航次汇总误差类型WaveletReynolds系统误差 SE0.7~0.9%均 0.8%0.9~1.2%均 1.0%随机误差 RE单段108~134%均 124%30~38%均 34%REBillesbach 洗牌法整航段6.6~11.0%均 9.2%—CH₄ 的 RE 整体高一档单段 Reynolds 90~113%、小波 322~433%LE 的 Reynolds 单段 RE 约 45~50%。这里有个反直觉的点小波单段随机误差反而更大论文只陈述了这一数值规律 ——Reynolds 单段 100%、小波单段100%一个合理解释是小波显式包含了更多低频信息单段估计对低频波动更敏感。但它的价值在空间分辨率和低频完整性—— 你拿到的是 200 m 一条的通量剖面而不是 2 km 一个点。论文还特别说明相邻 200 m 段共享 2 km 窗口、90% 重叠样本自相关显著若不修正会把集合随机误差人为压低所以做误差估计时要用有效样本量N e f f N_{eff}Neff修正KaTeX parse error: \tag works only in display equationsρ ( k ) \rho(k)ρ(k)是滞后 k 的自相关函数。用N e f f N_{eff}Neff代替N NN才能正确估计重叠样本下的集合随机误差 —— 不修正会把误差低估一大截。六、通量质量四件套你怎么知道通量可信机载 EC 只在 “稳态 充分发展湍流” 下成立Foken, 2017。论文对每个通量段做了四层体检① 稳态检验stationarity趋势分析 Foken Wichura (1996) 与 Vickers Mahrt (1997) 的内非平稳分析。Leg 1 的 CH₄/CO₂ 未通过其余航段通过。未通过的段不是不能用而是要被标记—— 它提示该段通量受非平稳过程污染。② 积分湍流特征ITCS实测与理论模型的σ u \sigma_uσu、σ w \sigma_wσw、u ∗ u_*u∗之比Thomas Foken 2002比值 ≤100% 表示湍流发展充分。5 个航段全部达标u: 36.7~50.1%w: 9.6~15.0%u*: 38.9~50.1%。③ 检测限detection limitBillesbach (2011) 随机洗牌法 —— 把序列随机打乱重算通量打乱后的 “通量” 分布宽度就是该仪器配置的检测下限通量检测限实测段通量LE6.0~8.1 W/m²73.8~128 W/m²CH₄0.35~0.52 mg/m²/h1.31~1.99 mg/m²/hCO₂0.09~0.13 g/m²/h−1.00~−1.36 g/m²/h检测限比实测通量低一个到两个量级LE 低约 9~21 倍、CO₂ 低约 8~15 倍、CH₄ 低约 2.5~5.7 倍甲烷信号本身较弱。总体说明这套传感器配置对当地通量强度绰绰有余。这是判断 “平台够不够灵敏” 的黄金标尺。④ 系统 / 随机误差SE/REMann Lenschow (1994) 公式。SE 普遍 ≤1%标定误差被控制住了RE 是主导项 —— 论文给出的单段通量随机误差范围是LE 和 CO₂ 约 30~40%、CH₄ 约 80~100%Reynolds 口径且CH₄ 通量越小、RE 越大论文此结论与 Wolfe et al. 2018 的观测一致直观理解是小信号在湍流噪声里更难分辨。论文还给了更粗粒度的 “重复测量不确定度”5 条航段重复飞同一剖面每 200 m 段的变异性为 CH₄ 86.2±57.7%、CO₂ 32.9±12.9%、LE 36.6±13.0%。CH₄ 剖面起伏巨大—— 这正是泥炭地甲烷排放的斑块特征也说明单次航段的 CH₄ 通量必须结合足迹和多次重复才能下结论。七、从通量到科学L2 产品的真正价值2018-08-29 这次飞行的科学结果是教科书级的论文 Fig. 12CO₂ 吸收峰值出现在森林 泥炭地覆盖 63.5% 的区域吸收 −1.3 g/m²/h 量级CH₄ 排放峰值出现在森林覆盖 50% 泥炭地覆盖 22%合计 72%的区域排放 1.99 mg/m²/h 量级潜热通量变异性最大的区域也正是泥炭地占比最高的区域。机载 EC 的价值在这里显现塔基 EC 只能告诉你 “站点上方通量变了”机载 EC 直接告诉你 **“哪块地贡献了哪个通量”—— 把通量 × 足迹叠起来就是一张可和土地覆盖分类、卫星遥感对照的通量地形图 **。这也是论文展望里 “物理引导 AI 地球观测 → 区域通量制图” 的前置能力。八、系列四篇一张完整地图到这里这个系列终于闭环了篇解决的问题链路位置① 最小实现数据拿不到算法还能不能验证L0→L1 验证方法论② 环境搭建实操怎么把链路真正跑起来L0→L1 实操③ 算法原理推导压力是怎么变成三维风的L0→L1 数学④ 通量链路本篇风出来了通量怎么算L1→L2 全流程前几篇的合成数据沙盒在 L2 阶段同样成立你完全可以合成一组带已知通量真值的w ′ c ′ wcw′c′序列喂给 Reynolds / 小波实现验证 “通量反演是否正确”—— 就像第一篇验证风矢量那样。通量链路的验证难点在时延和低频截断不在协方差本身。九、总结把 L1→L2 这条链收束成三句话机载 EC 用空间换统计风 20 Hz × 气体 10 Hz 合并 → 去尖峰 → 分段 → 时延校正 → 通量全程目标是把一条 22 km 航迹变成 200 m 分辨率的通量剖面小波是主角Reynolds 是参照小波保住低频大涡和空间分辨率代价是单段随机误差更大需要用有效样本量修正通量产品必须配质量四件套稳态、ITCS、检测限、SE/RE—— 没有检测限的通量数字没有意义没有 ITCS 的 “可信” 没有依据。以及一个实操提醒用官方数据前先做一次 kin→mass 单位互算我已经替你们踩出一个差 1000 倍的坑了。参考资料Wiekenkamp, I., Lehmann, A. K., Bülow, A., Hartmann, J., Metzger, S., Ruhtz, T., Wille, C., Zöllner, M., and Sachs, T.:The ASK-16 motorized glider: an airborne eddy covariance platform to measure turbulence, energy, and matter fluxes, Atmos. Meas. Tech., 18, 749–772, https://doi.org/10.5194/amt-18-749-2025, 2025.CC-BY-4.0数据集Airborne Wind and Eddy Covariance Dataset含 ASK16_Flux_data.zip, GFZ Data Services, https://doi.org/10.5880/GFZ.1.4.2024.003 CC-BY-4.0PyWingpod v1.0.0, GFZ Data Services, https://doi.org/10.5880/GFZ.1.4.2024.004 BSD-3-ClauseMetzger, S., Junkermann, W., Mauder, M., Beyrich, F., Butterbach-Bahl, K., Schmid, H. P., and Foken, T.:Eddy-covariance flux measurements with a weight-shift microlight aircraft, Atmos. Meas. Tech., 5, 1699–1717, 2012.Metzger, S., Junkermann, W., Mauder, M., Butterbach-Bahl, K., Trancón y Widemann, B., et al.:Spatially explicit regionalization of airborne flux measurements using environmental response functions, Biogeosciences, 10, 2193–2217, 2013.Hartmann, J., Gehrmann, M., Kohnert, K., Metzger, S., and Sachs, T.:New calibration procedures for airborne turbulence measurements and accuracy of the methane fluxes during the AirMeth campaigns, Atmos. Meas. Tech., 11, 4567–4581, 2018.Torrence, C. and Compo, G. P.:A Practical Guide to Wavelet Analysis, Bull. Amer. Meteor. Soc., 79, 61–78, 1998.Foken, T. and Wichura, B.:Tools for quality assessment of surface-based flux measurements, Agr. Forest Meteorol., 78, 83–105, 1996.Vickers, D. and Mahrt, L.:Quality Control and Flux Sampling Problems for Tower and Aircraft Data, J. Atmos. Ocean. Tech., 14, 512–526, 1997.Thomas, C. and Foken, T.:Re-evaluation of Integral Turbulence Characteristics and their Parameterisations, AMS Symposium on Boundary Layers and Turbulence, 15, p. 129, 2002.Billesbach, D. P.:Estimating uncertainties in individual eddy covariance flux measurements: A comparison of methods and a proposed new method, Agr. Forest Meteorol., 151, 394–405, 2011.Brock, F. V.:A nonlinear filter to remove impulse noise from meteorological data, J. Atmos. Ocean. Tech., 3, 51–58, 1986.Kljun, N., Calanca, P., Rotach, M. W., and Schmid, H. P.:A Simple Parameterisation for Flux Footprint Predictions, Bound.-Lay. Meteorol., 112, 503–523, 2004.Mann, J. and Lenschow, D. H.:Errors in airborne flux measurements, J. Geophys. Res., 99, 14519–14526, 1994.Lenschow, D. H. and Stankov, B. B.:Length Scales in the Convective Boundary Layer, J. Atmos. Sci., 43, 1198–1209, 1986.本文涉及的论文、数据集、源码均为公开成果按原许可证CC-BY-4.0 / BSD-3-Clause使用并标注出处文中 “REYN 文件 CO₂ 单位差 1000 倍” 为本人对官方数据的独立换算发现其余通量统计为本人对公开数据的复算。文中所有论文数值均直接引自 AMT 18, 749–772 正文与 Table 4/5/6正文引用的其余文献如 Starkenburg et al. 2016、Foken 2017、Drüe Heinemann 2013详见该论文的参考文献列表。本文为原创解读未声称拥有任何第三方素材权利。