企业官网建设流程全解析

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 ′ w'w′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：

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：PyWingpod（Python）负责到 L1 风矢量，eddy4R（R 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）   │   ├─① 与 Picarro 气体浓度合并 → 最近邻插值到 10 Hz 公共时基   ├─② 去尖峰 → 非线性中值滤波（7 点窗, Brock 1986）   ├─③ 航段划分 → 垂直段(推边界层高度) / 水平直航段(算通量)   ├─④ 时延校正 → w′ 与 CH₄/CO₂/H₂O 高通滤波互相关   ├─⑤ 通量计算（双路线）   │ ├─ Reynolds：2 km 窗 / 200 m 步长的 w′c′ 协方差   │ └─ Morlet 小波：连续小波变换 → 交叉小波谱 → 尺度积分   └─⑥ 足迹计算（Kljun 沿风向 + 高斯横风）   ↓   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 ′ w'c'w′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（N=3）窗口的非线性中值滤波算法检测尖峰并处理（Brock 1986；Starkenburg 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 ′ w'w′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：

三个值得注意的细节：

1. 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；

2. 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）

3. 温度没有做 lag 校正——w ′ w'w′与T ′ T'T′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 A：Reynolds（时域）

经典的 block-average 路线：对 2 km 窗口做 Reynolds 分解，直接算w ′ c ′ ‾ \overline{w'c'}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 B：Morlet 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：

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）：

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：

两点结论：

1. 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；

2. 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/h，Leg 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 6，CO₂ 为例，5 个航段 + 全航次汇总）：

（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 equations

ρ ( 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 limit）：Billesbach (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：

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/RE）：Mann & 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. 12）：

• CO₂ 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：

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 ′ w'c'w′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：

1. 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；

2. 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；

3. 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-4.0）

• PyWingpod v1.0.0, GFZ Data Services, https://doi.org/10.5880/GFZ.1.4.2024.004 （BSD-3-Clause）

• Metzger, 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。