R语言（“REddyProc”包）对涡动小时通量数据处理的方法介绍

目录

1. 后处理方法介绍

1.1 Ustar阈值判断（主要针对夜间NEE）

1.2 数据插补

1.2.1 查表法插补（LUT法）

1.2.2 平均日变化曲线法（MDC法）

1.2.3 样本边缘分布采样法（MDS法）

1.3 数据拆分

2. REddyProc包处理数据格式介绍

2.1 输入需要处理数据的格式

2.2 输出处理完毕数据的格式

3. REddyProc包的R代码介绍

3.1 准备—R程序包安装、运行、目标数据导入和调整

3.2 数据后处理

3.2.1 Ustar阈值计算

3.2.2 数据插补

3.2.3 NEE拆分插补

3.2.4整合处理结果并输出数据

涡动通量数据处理分为在线处理（online-processing）和后处理（post-processing）。其中在线处理针对高频通量数据（e.g.10Hz data）通过一系列标准方法进行计算，最后得到带有质量评价的低频通量数据（e.g.half-hour data），后处理主要包括Ustar阈值估计、数据插补和碳通量（NEE）拆分（植被总生产力GPP和呼吸消耗Re）及其结果的可视化表达。

当夜间大气湍流运动较弱时，摩擦风速u∗降低，涡动相关系统测量碳通量NEE时会出现低估的现象，数据漂移值增多。通常需要判断出u∗阈值，剔除这些低于u∗阈值的NEE；对缺失的数据进行插补，有利于得到完整的时间序列并得到更长时间尺度（月或年）下的均值；NEE通过主流的模型方法进行拆分，以便进一步了解研究区NEE两大组分：（1）生态系统总生产力（或总初级生产力）（2）生态系统呼吸。REddyProc 程序包通过R语言平台实现了以上三个方面的数据后处理，以及对其计算结果实现基本可视化功能。

1. 后处理方法介绍

数据后处理所使用的通量数据是已经过异常值剔除后的数据，NEE拆分或可插补的数据包括碳通量（NEE，umolm-2s-1）、感热通量（sensible heat flux (H) Wm-2）、潜热通量（latent heat flux (LE) Wm-2）、摩擦风速（friction velocity (u∗) ms-1）、入射短波辐射（global radiation (Rg) Wm-2）, 空气或土壤温度（air or soil temperature (Tair, Tsoil) ℃）和水汽压饱和差（vapor pressure deficit (VPD) hPa）或相对湿度（relative humidity (RH) %）。其中u∗、Rg、VPD、Tair和RH是NEE滤除、插补和拆分默认使用数据。

数据后处理主要流程包括（图 1）：

●确定和滤除湍流发展较弱的时期下的NEE（计算u∗阈值）。

●插补缺失的小时数据。

●拆分碳通量小时数据,得到GPP和Reco。

图1 数据后处理流程，以某一站点数据为例

（Wutzler et al.(2018)）

1.1

Ustar阈值判断（主要针对夜间NEE）

仪器所在高度处可以测量到下垫面全部碳通量（无平流损失），对应的最小u∗称为u∗阈值，u∗阈值通常出现在夜间（Rg