永兴岛涡动相关数据处理与质量评价*

  • 周峰华 , 1, 2 ,
  • 张荣望 3 ,
  • 石睿 1 ,
  • 何云开 1 ,
  • 陈举 1 ,
  • 王东晓 1 ,
  • 谢强 , 4
展开
  • 1. 热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广东 广州 510300
  • 2. 中国科学院大学, 北京 100049
  • 3. 中国海洋大学, 山东 青岛 266100
  • 4. 中国科学院深海科学与工程研究所, 海南 三亚 572000
通讯作者:谢强。E-mail:

作者简介:周峰华(1988—), 男, 江苏省徐州市人, 工程师, 在职博士研究生, 主要从事边界层海-气通量, 海洋观测网络系统集成技术, 捷联惯导式测波技术, 多源传感器信息融合技术等研究。E-mail:

收稿日期: 2016-11-25

  要求修回日期: 2017-03-06

  网络出版日期: 2017-07-26

基金资助

中国科学院野外台站网络建设项目-西沙海洋观测站(KZCX2-YW-Y202)

中国科学院关键技术人才项目-2016

A study of data processing and quality assessment of the eddy convariance system off Yongxing Island

  • ZHOU Fenghua , 1, 2 ,
  • ZHANG Rongwang 3 ,
  • SHI Rui 1 ,
  • HE Yunkai 1 ,
  • CHEN Ju 1 ,
  • WANG Dongxiao 1 ,
  • XIE Qiang , 4
Expand
  • 1. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510300, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Ocean University of China, Qingdao 266100, China
  • 4. Institute of Deep-sea Science and Engineering, Chinese Academy of Sciences, Sanya 572000, China
Corresponding author: XIE Qiang. E-mail:

Received date: 2016-11-25

  Request revised date: 2017-03-06

  Online published: 2017-07-26

Supported by

Station Network Construction Project, Chinese Academy of Sciences-Xisha Marine Observatory (KZCX2-YW-Y202)

Chinese Academy of Sciences Key Technology Talent Program-2016

Copyright

热带海洋学报编辑部

摘要

基于永兴岛2016年2月份实测涡动原始数据, 用EddyPro软件进行数据后处理, 并对各处理步骤前、后进行定量比较分析, 进一步对通量计算结果进行质量分级评价、足迹分析, 最后对分别使用EddyPro软件和EasyFlux_DL在线计算程序得到通量结果进行比较。结果表明, 野点剔除、坐标旋转、频率补偿和空气密度修正均会影响涡动相关通量的计算结果。野点剔除在动量和感热通量的计算中无明显影响, 在潜热和二氧化碳通量计算中则不可忽略。坐标旋转使动量、潜热和二氧化碳通量分别增加了11.28%、7.36%和18.53%。空气密度效应校正(WPL校正)对二氧化碳通量计算影响显著, 经空气密度修正后降低了7.87%。总体质量评价结果为, 动量、感热、潜热和二氧化碳通量中高质量数据(1~3级)所占比例分别为90.29%、90.22%、88.46%和85.41%。源区分析表明, 72.04%的通量数据落在第一兴趣源区(北至东北方向10°~80°, 平均水深超过10m的海洋下垫面)。EddyPro和EasyFlux两者的整体趋势一致, EddyPro引入更加严格的野点剔除指标, 得到的结果偏小, 但更可靠精确。

本文引用格式

周峰华 , 张荣望 , 石睿 , 何云开 , 陈举 , 王东晓 , 谢强 . 永兴岛涡动相关数据处理与质量评价*[J]. 热带海洋学报, 2017 , 36(4) : 48 -59 . DOI: 10.11978/2016124

Abstract

This study was based on the raw eddy-covariance (EC) data measured in February 2016 from the observation tower on Yongxing Island. EddyPro software was used for data post-processing, and the influence on flux calculation was quantitatively analyzed before and after each processing step. Furthermore, flux data quality classification, footprint analysis and comparison with calculated results using easyflux_dl real time programme were conducted. The results showed that despiking, coordinate rotation, frequency response correction and density correction all influenced the flux calculation result to different degrees. The influences of coordinate rotation on momentum flux, latent heat flux and carbon dioxide flux were evident, which revealed increases of 11.28%, 7.36% and 18.53%, respectively. The density correction had a significant effect on the carbon dioxide flux calculation, which was reduced by 7.87% after density correction. Comprehensive quality evaluation results revealed that the ratios of high quality data (grades 1~3) of momentum flux, sensible heat flux, latent heat flux, and carbon dioxide flux were 90.29%, 90.22%, 88.46%, and 85.41%, respectively. Footprint analysis showed that 72.04% source area of the flux was scattered in the first interesting area (10~80°, the underlying surface is the ocean surface with an average water depth of more than 10 m). Comparison of flux calculation results between EddyPro and EasyFlux showed that the two flux time series were fundamentally consistent; the results obtained by EddyPro were smaller but more reliable and accurate due to more strict despiking adopted to get rid of outliers’ impacts.

南海主要受季风系统控制, 通过海洋和大气过程连接西太平洋和印度洋, 从而对全球气候变化和区域性气候造成潜在影响(Wang et al, 2006)。南海的海气相互作用诱发许多海洋气象灾害天气, 对华南地区和东南亚地区的热量和水汽输送影响明显。在南海开展长时间海—气通量观测可以帮助我们深入研究南海地区的海气相互作用特征及其演变规律, 改进大气模型的参数化方案, 提高长期天气预报和极端灾害天气预警能力。
2008年, 中国科学院在西沙永兴岛成立西南沙深海环境观测站, 周峰华 等(2013)先后建立自动气象站、多参数实时浮标、岛礁波浪潮位系统、综合气象观测塔等多个观测节点, 逐步完善形成南海水文气象观测网络。2013年9月, 永兴岛综合气象观测塔建成并投入运行。观测塔采用太阳能和铅酸电池的供电方式, 可保证15天连续阴雨天气中正常工作。数据可通过自容存储和GPRS/CDMA远程无线接收两种方式获取, 实时观测数据可通过客户端软件、手机App和网站等形式分层发布(图1)。
Fig. 1 Schematic diagram of the system integration on the observation tower

图1 永兴岛观测塔系统集成框架

涡动相关法在微气象学、流体力学和仪器软硬件等共同发展的基础上逐渐成熟并广泛应用, 是最直接的湍流通量观测方法。但是, 柳媛普 等(2013)认为涡动的数据处理过程中需进行校正, 否则计算结果会出现很大误差及不确定性。在南海岛礁湍流通量分析方面, 前人做了一定的工作。其中, 马耀明 等(1997)高志球 等(2000)利用在南沙渚碧礁12d实测湍流数据计算了一些湍流参数, 如粗糙度、拖曳系数、块体积传输系数等; 闫俊岳 等(2005)利用近两个月的实测资料, 采用块体积法计算分析了2002年季风爆发前后西沙海区的海—气通量交换特征; 赵中阔 等(2011)利用茂名博贺海洋气象平台上约7个月的湍流观测数据, 分析了几种数据修正方法对通量结果的影响。本文定量比较了几种涡动处理中各算法修正前后的通量差异, 并对通量计算结果进行质量评估, 寻找一种适合热带岛礁下垫面的涡动数据处理标准方法, 为相似岛礁类型的涡动通量数据处理提供参考。

1 观测站点及涡动相关介绍

1.1 站点及仪器

综合气象观测塔(图2), 安装在永兴岛距离岸边97m的珊瑚礁盘上, 地理坐标为16°50′38.3″N, 112°20′22.2″E。塔高20m, 塔顶距离海面平均高度21m(受潮汐影响)。塔上安装梯度气象和涡动相关通量两套子系统。梯度气象子系统观测参数包括: 温度、湿度、风速、风向、四分量太阳辐射和海表温度; 涡动相关通量子系统观测高频三维风速、超声虚温、水汽和二氧化碳等参数, 计算出的参数包括: 感热、潜热、动量和二氧化碳通量。涡动系统的安装朝向为地理坐标正北向。观测塔的设备见表1
Tab. 1 List of sensors mounted on the observation tower

表1 永兴岛气象观测塔设备

设备(型号) 采样频率/Hz 数据表间隔/min 观测项目 安装高度/m
风速传感器(Young 05106) 1 1、10、30 4层风速风向 5、10、15、20
温湿度传感器(Vaisala HMP155A) Vaisala HMP155A 1 1、10、30 4层温湿度 5、10、15、20
四分量辐射仪(Hukseflux NR01) 1 1、10、30 向上、向下; 短波和长波辐射 8
海表红外温度计(CSI SI-111) 1 1、10、30 下垫面海表温度 10
涡动相关仪(CSAT3 & EC150) 10 30 感热、潜热、动量、二氧化碳通量 12
Fig. 2 Yongxing Island observation tower and the instruments installed

图2 西沙永兴岛综合观测塔及仪器安装

红色倒三角为观测塔位置

1.2 涡动相关法

涡动相关法是通过计算风脉动与观测要素的协方差求得指定时间段内的通量值。将三维风速(u, v, w), 温度(T), 水汽浓度(ρv) , 二氧化碳浓度(ρc)做雷诺分解, 得到平均量和脉动量两部分, 则感热通量(Hs), 潜热通量(Le), 动量通量($\tau $), 二氧化碳通量(Fc)可以分别通过以下公式计算。
Hs =ρcp$\overline{{w}'{T}'}$ (1)
Le =λ$\overline{{w}'{{{{\rho }'}}_{v}}}$ (2)
$\tau =-\rho (\overline{{u}'{w}'}+\overline{{v}'{w}'})$ (3)
Fc = $\overline{{w}'{{{{\rho }'}}_{c}}}$ (4)
式(1)—(4)中, ρ为干空气平均密度, λ为水汽蒸发潜热比, cp为干空气的比定压热容, 上划线表示取平均量, 撇号表示脉动变化量。

2 通量数据处理及结果分析

涡动数据处理可选用EdiRe, EddyPro, TK3等软件, 功能大同小异, 在处理结果上表现出较好的一致性和可信度(庄金鑫 等, 2013)。本文使用操作界面友好, 功能算法模块更丰富的EddyPro软件。涡动数据处理与质量评价流程如图3所示。
Fig. 3 Flow chart of turbulence data processing and quality assessment

图3 湍流数据处理与质量评价流程

2.1 风场分析

图4为2016年2月1日—29日的10m层风速风向玫瑰图。南海主要受季风系统控制, 冬季明显表现为受东北季风的影响(赵中阔 等, 2011), 从图4可以看出2月以东北风和偏东风为主, 累计占78%左右。平均风速为7.7m·s-1, 最大风速14.6m·s-1
Fig. 4 Distribution of wind speed and wind direction in February 2016

图4 永兴岛2016年2月份风速风向分布

WS指风速, 单位: m·s-1

2.2 湍流通量数据处理

数据处理中, 在评价某一校正步骤的算法性能时, 另外几种校正算法的使用均相同(如比较坐标旋转前后影响时, 处理前后的通量值均采用了去野点、频率补偿和WPL(空气密度效应)补偿, 且采用的算法相同)。文中使用均方根误差(root-mean-square error, RMSE)和平均绝对误差(mean absolute error, MAE)来评价处理效果, 公式如下。通量计算平均时间为30min。
RMSE = $\sqrt{\frac{1}{N}\sum\limits_{i=1}^{N}{{{({{x}_{i}}-{{y}_{i}})}^{2}}}}$ (5)
MAE = $\frac{1}{N}\sum\limits_{i=1}^{N}{\left| {{x}_{i}}-{{y}_{i}} \right|}$ (6)
2.2.1 野点剔除
首先剔除CAST3和EC150硬件异常数据, 判断条件(diag_sonic≠0)和(diag_irqa≠0), 剔除信号强度低于阈值的数据, 判断条件(CO2_sig_strgth<0.6)和(H2O_sig_strgth<0.6); 第二步剔除超出合理范围的数据, 分别取水平风速 (-30~30m·s-1), 垂直风速(-5~5m·s-1), 温度(0~50℃), 二氧化碳浓度范围(200~600μmol·mol-1), 水汽浓度(0~40.0mmol·mol-1); 第三步根据Vickers等(1997)的方法进行, 数据窗口时间取5min, 逐点检查, 检验标准为当前数据偏离均值大于窗口内数据标准差的3.5倍即视为野点, 如果连续4点都符合以上判据, 则不作为野点处理, 野点剔除后采用前后两点线性内插值代替。动量、感热通量在野点剔除前后基本没有发生变化, 分别降低了0.084%和0.34%。潜热和二氧化碳通量在野点剔除前后相关系数${{R}^{2}}$分别为0.96和0.98, RMSE分别为20.73W·m-2和1.31μmol·m-2·s-1, MAE分别为1.22W·m-2和0.099μmol·m-2·s-1, 野点剔除后潜热和二氧化碳通量分别降低了3.59%和4.44%(图5)。
Fig. 5 Comparison of flux calculated before and after despiking

图5 野点剔除前后通量变化

2.2.2 坐标旋转
常用坐标旋转(coordinate rotation)方法有二次旋转(double rotation), 三次旋转(triple rotation)和平面拟合(planar fit), 二次旋转在观测场地下垫面是均匀、平坦无突变的条件下效果理想, 三次坐标旋转易造成过量旋转已经不被推荐使用。平面拟合方法将通过一个较长时期的观测风平均, 确定一个垂直风速为零的平面, 然后依次将u, v, w旋转到此平面上, 此方法包含长时间内多个风向情况, 因此具有更好的统计意义(王介民, 2012)。观测塔所处位置下垫面受涨落潮控制(海水和珊瑚礁周期变化)并非完全均匀, 故使用Wilczak等(2001)的平面拟合方法。分析观测点2月份的白天和晚上的盛行风向分布(图6), 结合玫瑰图, 在EddyPro预设拟合风向为: 第一扇区(0°~35°)代表东北偏北风向, 所占频数约为6%; 第二扇区(35°~100°)代表盛行风向东北偏东风, 所占频数约为76%; 第三扇区(100°~210°)代表东南风和西南风向, 所占频数约为17.5%和第四扇区(210°~360°), 偏西北风, 所占频次约为0.5%, 选取2月1日—14日数据作为平面拟合基础数据。从图7可以看出, 动量、感热、潜热和二氧化碳通量在坐标旋转前后均发生了比较明显的变化,R2分别为0.880、0.907、0.949和0.956, RMSE分别为0.04kg·m-1·s-2、8.72W·m-2、26.33W·m-2和2.84μmol·m-2·s-1, MAE分别为0.03kg·m-1·s-2、5.62W·m-2、16.99W·m-2和1.23μmol·m-2·s-1。坐标旋转使动量、潜热、二氧化碳通量分别增加了11.3%、7.4%和18.5%, 而感热通量降低了9.13%。由图7a可知, 动量通量在小于0.25kg·m-1·s-2时并非完全增加, 而是有部分降低, 可能是因倾斜误差在不同的稳定度条件下会对动量通量造成不同程度的误差而导致(Kaimal et al, 1969)。
Fig. 6 Distribution of wind speed and wind direction during day and night in February 2016

图6 2016年2月份白天和夜间风速和风向分布

WS指风速, 单位: m·s-1

Fig. 7 Comparison of flux calculated before and after coordinate rotation

图7 坐标旋转前后通量变化

2.2.3 频率响应修正
频率损失包括高、低频损失。高频损失主要由传感器之间安装距离过大造成; 低频损失主要由时间平均不够长, 以及处理中有线性去趋势等造成(王介民, 2012)。文中低频损失补偿使用EddyPro中内嵌算法, 流程分3步: 1)采用Moncrieff等(1997)估算真实的湍流通量协谱, 实测通量受频率损失影响可表示为真实湍流协谱与有关传递函数相乘; 2)确定合适的传递函数, 传递函数的选取在Moncrieff等(2004)中有详细描述, 与去趋势方法和相应的时间函数有关(本文去趋势选用Block averaging); 3)通过传递函数估算通量在低频区的衰减, 计算频率补偿因子并进行通量校正应用。高频损失补偿算法采用 Moncrieff等(1997)。频率补偿对动量、感热、潜热和二氧化碳通量的影响很小, 相关性系数R2均在0.999以上, RMSE分别为0.0016kg·m-1·s-2、0.44W·m-2、1.69W·m-2和0.12μmol·m-2·s-1, MAE分别为0.0014kg·m-1·s-2、0.33 W·m-2、1.28W·m-2和0.07μmol·m-2·s-1。总体而言, 经高低频补偿修正后各通量值略微增大, 增幅分别为0.54%、1.05%、1.11%和1.12%。
2.2.4 空气密度效应校正(WPL校正)
Webb等(1980)认为在空气密度脉动存在的情况下, 对热量和水汽通量的计算结果进行校正是必要的, 即WPL校正。校正公式为:
${{F}_{c}}=\overline{{w}'{{{{\rho }'}}_{c}}}+\mu (\frac{\overline{{{\rho }_{\text{c}}}}}{\overline{{{\rho }_{\text{a}}}}})\overline{{w}'{{{{\rho }'}}_{v}}}+(1+\mu \sigma )(\frac{\overline{{{\rho }_{\text{c}}}}}{\overline{T}})\overline{{w}'{T}'}$ (5)
${{L}_{\text{e}}}=(1+\mu \sigma )(\overline{{w}'{{{{\rho }'}}_{v}}}+(\frac{\overline{{{\rho }_{\text{v}}}}}{\overline{T}})\overline{{w}'{T}'})$ (6)
式中μ为干空气和水汽相对分子的质量比, σ为水汽密度与干空气密度的比值, ρv为水汽浓度, ρa为干空气密度。WPL校正对潜热通量的计算结果影响不显著(图8a), 相关系数R2在0.99以上, RMSE和MAE分别为5.06和4.02W·m-2, 经校正后潜热通量增加了1.98%。WPL校正对二氧化碳通量影响比较显著(图8b), R2为0.97, RMSE和MAE分别为3.03和2.44μmol·m-2·s-1, 二氧化碳通量经WPL校正后降低了7.87%。
Fig. 8 Comparison of fluxes calculated before and after frequency correction

图8 WPL密度补偿前后通量变化

3 数据质量控制与评价

对单一海气通量站而言, 要对该站点所代表区域的海气相互作用过程有较好的了解, 质量控制是必不可少的。对于多站点组网观测, 为保证各台站通量观测资料在精度和代表性上具有较高的可信度, 也需要通过一个统一标准的质量控制程序(马小红 等, 2015)。本文对通量计算结果进行了湍流平稳性检验、湍流充分发展检验、通量参数质量分级、通量源区分析、后处理与在线计算结果比较。

3.1 湍流平稳性检验

湍流平稳性可用非平稳系数(index of stationary test, IST)表示, 见公式(7), 将观测时段(30min)分为6个子段(各5min), 检查各子段的协方差均值与总体协方差的接近程度。如果IST小于30%, 则可认为大气湍流处于平稳性状态(Foken et al, 2004),
IST=$\left| \frac{\overline{{{{{w}'}}_{30}}{{{{c}'}}_{30}}}-\frac{1}{6}{{\sum\limits_{i=1}^{6}{(\overline{{{{{w}'}}_{5}}{{{{c}'}}_{5}}})}}_{i}}}{\overline{{{{{w}'}}_{30}}{{{{c}'}}_{30}}}} \right|$ (7)
式中w’表示垂直风脉动, c’表示某标量脉动, 下标30和5分别表示观测时段和子段。图9可见总体平稳性检验效果较好, 不同风向的湍流平稳性略有差异。60°~180°内的IST指数稍大, 根据观测点的位置信息可知, 这个风向区间的上风向为潮间带礁盘和岛屿, 下垫面受海水涨落潮影响处在海水和珊瑚礁盘的周期性变化中, 会影响到湍流平稳性。从平稳性分级结果可见(表2, 图10), 动量通量平稳性检验效果最好, 96.2%的数据通过平稳性检验。感热、二氧化碳和潜热通量通过平稳性数据检验的比例分别为91.3%、86.3%和89.7%。
Fig. 9 Directional distributions of the IST at the site for fluxes in Feb 2016

图9 湍流发展的平稳性检验

a. 动量通量; b. 感热通量; c. 潜热通量; d. 二氧化碳通量

Tab. 2 Steady test grading criteria

表2 湍流平稳性检验分级标准(Moncrieff et al, 1997)

质量等级 IST/%
1 0~15
2 16~30
3 31~50
4 51~75
5 76~100
6 101~250
7 251~500
8 501~1000
9 >1000

3.2 湍流充分发展检验

本文选取Kaimal等(1994)提出的普适函数, 对垂直风速w进行湍流充分发展检验, 采用总体湍流特征指数(integrated turbulence characteristics, ITC)表示, 并按照表3对检验结果进行了分级。
Tab. 3 Developed turbulence test grading criteria

表3 湍流充分发展检验分级标准(Moncrieff et al, 1997)

质量等级 ITC/%
1 0~15
2 16~30
3 31~50
4 51~75
5 76~100
6 101~250
7 251~500
8 501~1000
9 >1000
$\text{IT}{{\text{C}}_{\sigma }}=\left| \frac{{{({{\sigma }_{\text{w}}}/{{u}_{*}})}_{\bmod \text{el}}}-{{({{\sigma }_{\text{w}}}/{{u}_{*}})}_{\text{measured}}}}{{{({{\sigma }_{\text{w}}}/{{u}_{*}})}_{\text{model}}}} \right|$ (8)
式中σw为垂直风速方差, u*为摩擦速度, 下标model表示模型结果, 下标measured表示实际测量结果。Foken等(2005)认为, 如果ITC<30%, 则大气湍流充分发展。
图10为不同大气稳定度下(不稳定层结: $-1<z/L\le -0.1$; 近中性层结: $-0.1<z/L\le 0.1$; 稳定层结: $0.1<z/L\le 1$; 其中L为莫宁奥布霍夫长度,z/L表示大气稳定度参数)垂直风速湍流发展充分性检验随不同风向的分布情况, 由图11图9对比可以看出, 不同稳定度条件下的湍流发展充分性有所不同, 在不稳定层结和近中性层结湍流发展的充分性要明显好于在稳定层结条件。不同风向的湍流发展充分性也不同, 由图11a、b可见, 检验的数据主要分布在30°~80°和150°~180°两个风向范围内。图12为总体湍流特征指数在这两个方向区间的等级分布。由图12可知, 在30°~80°风向区间内ITC主要分布在第1级和第5级, 分别为68.55%和30.47%; 在150°~180°风向区间内ITC数据也主要分布在第1级和第5级, 分别为62.04%和37.04%。
Fig. 10 Quality grading of steady test

图10 湍流平稳性检验分级结果

3.3 总体质量评价

根据Foken等(2004)提出的总体质量分级标准(表4)进行分级。从图13可以看出, 动量、感热、潜热和二氧化碳通量中高质量数据(1~3级)所占比例分别为90.29%、90.22%、88.46%和85.41%, 中等3质量数据(4~6级)所占比例分别为9.24%、7.19%、8.46%和11.1%, 需要舍弃的数据(7~9级)所占比例分别为0.47%、2.59%、3.08%和3.49%。
Tab. 4 Overall flux data quality grading criteria

表4 通量总体质量分级标准

等级 IST/% ITC/%
1 0~15 0~30
2 16~30 0~30
3 0~30 31~75
4 31~75 0~30
5 0~75 31~100
6 76~100 0~100
7 0~250 0~250
8 0~1000 0~1000
9 >1000 >1000
Fig. 11 Directional distributions of the integral turbulence characteristics (ITC) at the study site for unstable, neutral and stable conditions

图11 垂直风速的湍流充分发展检验在不同稳定层结下随风向分布图

a. 不稳定层结; b. 中性层结; c. 稳定层结

Fig. 12 Quality grading of ITC according to wind direction

图12 湍流发展充分检验随风向分级结果

Fig. 13 Overall flux data quality grading for momentum, sensible heat, latent heat, and CO2 flux

图13 湍流通量总体质量评价

3.4 源区/足迹分析

源区足迹分析模型采用EddyPro软件中认为是算法最新颖的Kljun模型, 足迹函数的详细推导参考文献(Kljun et al, 2004)。图14中心的三角形表示观测站点位置, 由内向外依次为10%、30%、50%、70%、90%的贡献率的最大足迹。由图14图2, 根据上风向和涡动系统的朝向信息, 把观测区大致分为3个兴趣源区:Ⅰ源区 (10°~80°, 平均水深超过10m的海洋下垫面; Ⅱ源区 (80°~135°, 平均水深小于2m潮间带珊瑚礁盘下垫面); Ⅲ源区(135°~180°, 热带珊瑚岛屿下垫面, 平均冠层高度约3m)。2月份有72.04% 的数据落在第Ⅰ源区范围内, 7.79%数据落在第Ⅱ源区内, 10.01%数据落在第Ⅲ源区。在第Ⅰ源区范围内, 足迹达到最大值其10%、30%、50%、70%、90%通量贡献率的足迹沿x方向最大值可分别达到约100、260、390、570、820m, 沿y方向最大值可分别达到约100、220、350、500、780m。
Fig. 14 Footprint source area distribution in Feb

图14 观测站2月份通量源区图

3.5 通量计算结果比较

EasyFlux在线程序(Campbell Scientific, Inc)中采用DR旋转方法, 为使计算结果具有较好的可比性, 此处EddyPro后处理软件也是用DR方法。EddyPro计算结果中有效数据为1309组, EasyFlux在线计算结果的有效数据为1265组。因观测塔无降水观测, 根据闫俊岳 等(2005)计算得到的西沙海区季风爆发前通量值范围, 剔除2月份疑似受降雨或者仪器被遮挡条件下的通量数据, 正常通量取值范围为: 动量(0~0.6kg·m-1·s-2), 感热(-20~120W·m-2), 潜热(-50~300W·m-2), 二氧化碳通量(-25~15μmol·m-2·s-1)。由图15可以看出, 两者计算结果比较一致, EddyPro因加入更加严格的野点剔除算法使计算结果略微偏小, 但更准确可信。由图16可知, EddyPro的动量、感热、潜热和二氧化碳通量计算结果比EasyFlux分别降低了9.25%、13.67%、22.83%和12.54%。
Fig. 15 Comparison of the fluxes calculated by EddyPro and EasyFlux_DL in Feb 2016

图15 EddyPro与EasyFlux_DL通量结果时间序列

Fig. 16 Comparison of the fluxes calculated by EddyPro and Easyflux

图16 EddyPro与EasyFlux通量结果比较

4 结论

1) 各处理步骤对涡动相关通量计算结果均会带来一定的影响。其中, 野点剔除对动量通量、感热通量影响不大。但在潜热通量和二氧化碳通量计算中不可忽略, 野点剔除后的潜热通量降低了3.59%, 二氧化碳通量降低了4.44%; 坐标旋转使动量、潜热、二氧化碳通量分别增加了11.3%、7.4%和18.5%, 感热通量降低了9.13%; 经频率补偿后, 动量、感热、潜热和二氧化碳通量值略微增大, 增幅分别为0.54%、1.05%、1.11%和1.12%; WPL校正对二氧化碳的通量计算结果影响比较显著, 经WPL校正后降低了7.87%。
2) 总体质量分级结果显示, 动量、感热、潜热和二氧化碳通量中高质量数据(1~3级)所占比例分别为90.29%、90.22%、88.46%和85.41%; 中等质量数据(4~6级)所占比例分别为9.24%、7.19%、8.46%和11.1%; 需要舍弃的数据(7~8级)所占比例分别为0.47%、2.59%、3.08%和3.49%, 通量数据质量很高。
3) 源区分析表明, 2月份有72.04%数据落在第Ⅰ源区(15°~80°, 平均水深超过10m的海洋下垫面), 这部分数据可以应用于海洋—大气通量交换的研究。珊瑚礁潮间带和岛屿下垫面通量研究可以使用第Ⅱ源区和第Ⅲ源区数据。永兴岛通量站的单点观测数据空间代表性有限, 可作为南海相似岛礁及其周边海区通量研究的参考, 也可用来进行相关海气模式验证。
4) EddyPro和EasyFlux两者计算结果基本一致。EddyPro后处理软件因加入了更加严格的野点剔除方法, 得到的结果偏小, 但更加平稳、可靠。

The authors have declared that no competing interests exist.

[1]
高志球, 马耀明, 王介民, 等, 2000. 南沙群岛海域近海面粗糙度、中性曳力系数及总体交换系数研究[J]. 热带海洋, 19(1): 38-43.

GAO ZHIQIU, MA YAOMING, WANG JIEMIN, et al, 2000. Studies on roughness lengths, neutral drag coefficients and bulk transfer coefficients over Nansha Islands sea area[J]. Tropic Oceanology, 19(1): 38-43 (in Chinese with English abstract).

[2]
柳媛普, 李锁锁, 吕世华, 等, 2013. 几种通量资料修正方法的比较[J]. 高原气象, 32(6): 1704-1711.

LIU YUANPU, LI SUOSUO, SHIHUA, et al, 2013. Comparison of flux correction methods for eddy-covariance measurement[J]. Plateau Meteorology, 32(6): 1704-1711 (in Chinese with English abstract).

[3]
马小红, 苏永红, 鱼腾飞, 等, 2015. 荒漠河岸胡杨林生态系统涡度相关通量数据处理与质量控制方法研究[J]. 干旱区地理, 38(3): 626-635.

MA XIAOHONG, SU YONGHONG, YU TENGFEI, et al, 2015. Data processing and quality control of eddy covariance in desert riparian forest[J]. Arid Land Geography, 38(3): 626-635 (in Chinese with English abstract).

[4]
马耀明, 王介民, 张庆荣, 等, 1997. 南沙海域近海层大气湍流结构及输送特征研究[J]. 大气科学, 21(3): 357-365.

MA YAOMING, WANG JIEMIN, ZHANG QINGRONG, et al, 1997. The study of the characteristics of both the atmospheric turbulence structure and the transfer in the lower layer of the atmosphere above the Nansha Islands area[J]. Scientia Atmospherica Sinica, 21(3): 357-365 (in Chinese with English abstract).

[5]
王介民, (2012-02-12)[2016-11-25]. 涡动相关通量观测指导手册[Z/OL].

[6]
闫俊岳, 唐志毅, 姚华栋, 等, 2005. 2002年南海季风爆发前后西沙海区海-气通量交换及其变化[J]. 地球物理学报, 48(5): 1000-1010.

YAN JUNYUE, TANG ZHIYI, YAO HUADONG, et al, 2005. Air-sea flux exchange and variation over the Xisha sea area before and after the onset of southwest monsoon in 2002[J]. Chinese Journal of Geophysics, 48(5): 1000-1010 (in Chinese with English abstract).

[7]
赵中阔, 廖菲, 刘春霞, 等, 2011. 近岸海洋气象平台涡动相关数据处理与质量控制[J]. 地球科学进展, 26(9): 954-964.

ZHAO ZHONGKUO, LIAO FEI, LIU CHUNXIA, et al, 2011. Processing and quality control of eddy covariance measurements from a coastal marine meteorological platform[J]. Advances in Earth Science, 26(9): 954-964 (in Chinese with English abstract).

[8]
周峰华, 龙小敏, 王盛安, 等, 2013. 南海北部水文气象实时观测网[J]. 海洋技术, 32(4): 67-71.

ZHOU FENGHUA, LONG XIAOMIN, WANG SHENG’AN, et al, 2013. Real-time hydro-meteorological observation network covering the northern South China Sea[J]. Ocean Technology, 32(4): 67-71 (in Chinese with English abstract).

[9]
庄金鑫, 王维真, 王介民, 2013. 涡动相关通量计算及三种主要软件的比较分析[J]. 高原气象, 32(1): 78-87.

ZHUANG JINXIN, WANG WEIZHEN, WANG JIEMIN, 2013. Flux calculation of Eddy-Covariance method and comparison of three main softwares[J]. Plateau Meteorology, 32(1): 78-87 (in Chinese with English abstract).

[10]
FOKEN T, GÖOCKEDE M, MAUDER M, et al, 2004. Post-field data quality control[M]//LEE X, MASSMAN W, LAW B. Handbook of micrometeorology: a guide for surface flux measurement and analysis. Dordrecht: Kluwer Academic: 81-108.

[11]
FOKEN T, GÖOCKEDE M, MAUDER M, et al, 2004. Post-field data quality control[M]//LEE X, MASSMAN W, LAW B. Handbook of micrometeorology: a guide for surface flux measurement and analysis. Netherlands: Springer: 181-208.

[12]
KAIMAL J C, HAUGEN D A, 1969. Some errors in the measurements of Reynolds stress[J]. Journal of Applied meteorology and Climatology, 8:460-462.

[13]
KAIMAL J C, FINNIGAN J J, 1994. Atmospheric boundary layer flows: Their structure and measurement[M]. Oxford: Oxford University Press: 256-261.

[14]
KLJUN N, CALANCA P, ROTACH M W, et al, 2004. A simple parameterisation for flux footprint predictions[J]. Boundary-Layer Meteorology, 112(3): 503-523.

[15]
MONCRIEFF J B, MASSHEDER J M, DE BRUIN H, et al, 1997. A system to measure surface fluxes of momentum, sensible heat, water vapour and carbon dioxide[J]. Journal of Hydrology, 188-189: 589-611.

[16]
MONCRIEFF J, CLEMENT R, FINNIGAN J, et al, 2004. Averaging, detrending, and filtering of eddy covariance time series[M]//LEE X, MASSMAN W, LAW B. Handbook of micrometeorology: a guide for surface flux measurement and analysis. Dordrecht: Kluwer Academic: 7-31.

[17]
VICKERS D, MAHRT L, 1997. Quality control and flux sampling problems for tower and aircraft data[J]. Journal of Atmospheric and Oceanic Technology, 14(3): 512-526.

[18]
WANG DONGXIAO, LIU QINYAN, HUANG RUIXIN, et al, 2006. Interannual variability of the South China Sea throughflow inferred from wind data and an ocean data assimilation product[J]. Geophysical Research Letters, 33(14): L14605.

[19]
WEBB E K, PEARMAN G I, LEUNING R, 1980. Correction of flux measurements for density effects due to heat and water vapour transfer[J]. Quarterly Journal of the Royal Meteorological Society, 106(447): 85-100.

[20]
WILCZAK J M, ONCLEY S P, STAGE S A, 2001. Sonic anemometer tilt correction algorithms[J]. Boundary-Layer Meteorology, 99(1): 127-150.

文章导航

/