渦度相關通量介紹與數據處理方法
1 什么是渦度相關通量（Eddy Covariance Flux）？
能量流動與物質循環是地圈、生物圈與大氣圈相互作用的重要紐帶，也是生態系統生態學研究的核心內容之一。渦度相關通量技術（Eddy Covariance, EC）是一種基于微氣象原理的觀測方法，通過測量垂直風速與氣體濃度的瞬時變化，估算陸氣界面物質（如CO?、水汽）與能量的交換通量。該方法通過計算垂直風速與氣體或能量脈動的協方差，能夠直接獲取植被冠層與大氣之間的能量和物質交換，是目前國際上廣泛采用的標準通量觀測方法。相較于傳統的通量估算方法，渦度相關技術具有以下顯著優勢：
整合性強：所測得的通量反映了整個生態系統與大氣之間的凈交換總量。例如，對CO?的觀測結果即為光合作用吸收與呼吸釋放的合成值，即凈生態系統交換量（NEE）。
時間連續性好：可實現全天候、全年無間斷的自動化監測，提供從分鐘、小時到日、月、年及年際等多時間尺度上的連續觀測數據。
空間代表性強：通量塔的“感應面積”可覆蓋數百平方米至數平方千米，遠超傳統的小尺度測量方式。
隨著該技術在全球碳水循環研究中的廣泛應用，長期、連續的渦度通量觀測正為以下研究提供關鍵數據支持與機理理解：生態系統碳匯能力評估、水分與能量平衡分析、生態系統對氣候變化的響應反饋、區域與全球尺度模型的優化與驗證、以及極端氣候事件對生態系統結構與功能的影響。通過單點長期觀測，可明確不同氣候區與植被類型下的碳水通量強度基線及其季節性與年際變異特征；而多站點的聯網觀測，則有助于揭示生態系統碳通量在區域與全球尺度的空間變異規律，進一步探討溫度和降水等氣候因子在區域尺度上對碳通量格局的生物地理控制機制。渦度相關技術的原理與應用可參考以下文章：
圖1 渦度相關技術通量觀測示意圖(以CO2通量觀測為例)（來源：陳世蘋等，2020）
2 渦度相關通量數據處理方法
通量數據處理一般遵循以下步驟：
1) 原始數據質量控制（如去除異常值、儀器錯誤）。
2) 通量計算與坐標旋轉。
3) 通量修正
WPL 修正：考慮密度波動引起的誤差
頻率響應修正：補償儀器對高頻/低頻信號的衰減
u* 過濾：去除低湍流條件下的數據
4) 數據插補與間隙填補
5) 年尺度的GPP、Re、NEE推算。主要包括基于夜間NEE與溫度回歸，或者晝夜分割方法等。
2.1 使用REddyProc在線工具估算GPP
2.1.1 輸入數據準備
REddyProc在線工具對于輸入數據格式要求較為嚴格，例如時間格式、時間戳（半小時或小時）、變量命名、處理選項等方面。而REddyProc軟件包則在這方面供了更多靈活性。詳細數據輸入要求可參考：https://www.bgc-jena.mpg.de/5624918/Input-Format
REddyProc在線工具提供的示例輸入數據如下所示：
圖2 REddyProc在線工具的示例輸入數據格式
圖3 通量原始觀測數據（*_EP-Summary.txt）示例。
首先我們需要從通量原始觀測數據（*_EP-Summary.txt）中提取這些變量并按半小時時間序列排列。下面提供Python代碼可以將文件夾中所有*.txt文件中提取REddyProc在線工具輸入數據變量并保存輸出為*.txt格式。
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
datapath = r'/Users/Documents/Projects'
savepath = r'/Users/Documents/Projects'
txtfiles = os.listdir(datapath)
DF = pd.DataFrame()
for i, txtfile in enumerate(txtfiles):
# 讀取 .txt 文件（請替換成你實際的路徑）
df = pd.read_csv(datapath + '/' + txtfile, sep='\t', comment='#', na_values=['NA', 'NaN'])
# 創建 datetime 字段
df['datetime'] = pd.to_datetime(df['date'] + ' ' + df['time'], errors='coerce')
# 添加 Year, DoY, Hour 列
df['Year'] = df['datetime'].dt.year
df['DoY'] = df['datetime'].dt.dayofyear
df['Hour'] = df['datetime'].dt.hour + df['datetime'].dt.minute / 60
# 重命名列名為 REddyProc 標準
df = df.rename(columns={
'co2_flux': 'NEE',
'LE': 'LE',
'H': 'H',
'SWIN_1_1_1': 'Rg', # 短波輻射
'TA_1_1_1': 'Tair',
'TS_1_1_1': 'Tsoil',
'RH': 'rH',
'VPD': 'VPD',
'u*': 'Ustar'
})
# 選擇需要的列
df_rproc = df[['Year', 'DoY', 'Hour', 'NEE', 'LE', 'H', 'Rg', 'Tair', 'Tsoil', 'rH', 'VPD', 'Ustar']]
DF = pd.concat([DF, df_rproc], ignore_index=True)
# 按時間排序
DF = DF.sort_values(by=['Year', 'DoY', 'Hour'])
# 判斷Year值為空的行
idx = DF['Year'].isna()
DF = DF[~idx]
# 確保 Year 和 DoY 為整數
DF['Year'] = DF['Year'].astype(int)
DF['DoY'] = DF['DoY'].astype(int)
# 保存為 CSV 文件供 R 使用
DF.to_csv(savepath + "/for_REddyProc.txt", sep='\t',index=False)
下面是輸出的for_REddyProc.txt數據
圖4 代碼輸出的結果示例
2.1.2 使用在線工具估算GPP
然后將上述輸出數據導入在線工具中，設置相關參數即可得到GPP估算結果：
圖5 REddyProc在線工具參數設置示例
2.2 使用夜間回歸法估算GPP
有時候通量觀測數據可能并不完整，例如在植被生長季中存在部分數據缺失情況。雖然大部分情況可以由REddyProc針對數據缺失提供的數據插補方法解決，然后當數據缺失較多或者只有幾天不連續的數據時，想要估算GPP則需要采用夜間回歸法。
夜間回歸法主要是假設夜間NEE等于夜間呼吸Reco，利用夜間NEE和溫度進行擬合，然后將該模型外推到白天溫度，估算白天Reco。最后將Reco與NEE相加得到估算GPP。
2.2.1 選取夜間數據（例如輻射Rg<10 W/m2）
2.2.2 擬合夜間NEE和溫度（通常用指數函數）
2.2.3 模型外推至白天溫度，估算白天Reco
2.2.4 估算GPP
下面是代碼實現：
# %% GPP calculation
df = pd.read_csv(savepath + "/for_REddyProc.txt", sep='\t', comment='#', na_values=['NA', 'NaN'])
df.loc[(df['NEE']<-40)>10)] = np.nan # Remove outliers
df = df.fillna(0) # Fill missing values with -9999
df['Tair'] = df['Tair'] - 273.15 # Convert Kelvin to Celsius
# Filter nighttime data (PAR ~ 0)
night = df[df['Rg'] < 10] # Adjust threshold if needed
# Fit exponential respiration model: NEE = Reco = R0 * exp(E0 * T)
def resp_model(x, a, b):
return a * np.exp(b * x)
params, _ = curve_fit(resp_model, night['Tair'], night['NEE'])
# Estimate Reco for all time
df['Reco'] = resp_model(df['Tair'], *params)
df.loc[df['Reco']<0.2,'Reco'] = np.nan
# Estimate GPP
df['GPP'] = df['Reco'] - df['NEE']
# save df
df.to_csv(savepath + "/GPP_estimated.csv", index=False)
# Plot GPP
df['GPP'].plot(title='Estimated GPP (Nighttime Regression Method)', ylabel='GPP (μmol m?2 s?1)', figsize=(10, 5))
plt.grid()
plt.show()
來源：本文轉載微信公眾號生態學筆記，由Rhine（筆名）整理。轉在的目的在于傳遞更多的知識，如有侵權行為，請聯系我們，我們會立即刪除。
