让专才为专家服务
首页 产品应用 技术知识 【视频】使用Tovi,高效处理通量数据

【视频】使用Tovi,高效处理通量数据

来源:北京力高泰科技有限公司 发布日期:2019-11-15 15:23:10 浏览次数:3358

2018年,EddyPro®研发团队与世界众多科学家一道,开发了通量数据后处理软件ToviTM。该软件将复杂的通量数据处理方法程序化,实现了通量数据质量控制QC筛选、气象和通量缺失数据插补、通量贡献区FootPrint成图、u *阈值检测等。ToviTM提供了一个直观、可视化的操作界面来指导您完成数据处理。

为了方便国内广大研究者更快上手,我们陆续推出了ToviTM软件的具体操作视频。此系列视频在“北京力高泰科技有限公司”微信公众号持续更新中,欢迎关注。



第一步,如何导入EddyPro和SmartFlux数据?(在微信公众号中查看


▲ 以EddyPro输出结果为源文件来创建站点



▲ 以SmartFlux输出结果为源文件来创建站点


 

 

第二步,如何查看整体数据,确认数据缺失?(在微信公众号中查看
 

以EddyPro®或是SmartFlux®输出结果为源文件创建站点后,我们希望对数据的整体情况有一个了解:
(1)数据的整体变化规律符合预期吗?
(2)数据缺失的比例有多大?
(3)数据缺失发生在什么时间?
在本期内容里,小泰将带您继续探索Tovi的实用功能:「整体数据查看,确认数据缺失」。
 

▲ 整体数据查看,确认数据缺失

 


第三步,如何进行通量数据质量控制(QC)?(在微信公众号中查看

        涡度协方差(EC)原始数据一般为10HZ,有时甚至使用20HZ数据。如此高频率的数据采集,对传感器以及数据记录系统都提出了很高的要求。虽然目前的技术条件已经能够完全满足,但是也难免会产生一些异常值,这些异常值可能包含一些峰值数据、漏失的数据、恒定值和电子仪器噪声等。

        例如,超声风速仪调节不够精确、电力供应不足、电子仪器噪声、传感器受水力、鸟粪、蜘蛛网等污染,都会产生一些异常数据。另外,电子设备即使已经非常先进,但是也不能保证能够监测到所有频率的数据,这样就会导致用于计算通量的协方差的高频组分损失。

        因此,涡度协方差通量数据通常会包含一些必须去除的低质量数据,否则会导致结果出现偏差。

        质量控制(QC)是涡度协方差技术应用的关键,它的一个主要方面是测试涡度协方差测量的要求是否得到满足。当我们对数据的整体情况有一个基本的了解之后,需要进行质量控制(QC)。

        应该注意的是,虽然大部分的QC应该在数据导入后立刻进行,但在后续的处理阶段也需要重复进行。这主要有两个原因:一,后续处理可能会引入不良数据,二,任何涉及到数据转换的插补都易受到不良数据的影响。这就意味着早期QC处理后的临界值在后期可能显示为差。

        没有一种方法可以将所有不良数据剔除,数据的好坏之分也很微妙,我们能做的就是用好QC这个工具,在剔除不好数据的同时,保留更多的优质数据。

        Tovi的QC功能提供多种方法来剔除数据,Smart Y-Range、调整最大最小阈值、Draw Exclusion、基于EddrPro计算通量时生成的分级标准、Dependency View ,并实时可视化数据筛选结果。

        那如何使用Tovi的QC功能呢?在本期内容里,小泰将给大家继续介绍。


▲ QC-by group


▲ QC-dependency view


 


第四步,如何进行气象数据补全?在微信公众号中查看

        涡度协方差技术可提供高时间分辨率的数据,从白天到夜间持续不断,甚至持续数年。但也会有不可避免的系统故障,导致观测值中出现空缺 。

        比如:电力中断、动物或雷电导致的仪器损伤、错误的系统校正、维护以及人为活动导致的仪器损毁或失窃等。而且在非理想状态下采集的数据也会在通量数据质量控制(QC)过程中被舍弃,从而导致数据缺失。

        气象数据通常会影响包括碳、水、能量和其他温室气体通量在内的生态系统响应,大多数「通量数据插补」都将气象变量作为驱动因子。

        因此,有必要先补全驱动因子的空缺,然后再使用填补好的气象数据来插补通量数据。这是关键的一步,因为引入的驱动因子误差和不确定性会反映到通量数据中。

        那Tovi是如何对气象数据进行补全的呢?在本期视频中 ,我们一起来探索吧 !


▲ 气象数据补全(Biomet merge and gap fill)

 


 

 

第五步,Average variables 在微信公众号中查看
 

在涡度协方差通量测量站点中
为了让数据更具代表性
可以安装不止一个传感器来测量某一参数
在处理通量数据时
可能需要将多个测量值平均

Tovi 的 average variables 工具
可视化每个测量值的数据集
平均测量值
实时显示平均过程和最终结果

下面就和小泰一起来体验一下吧


▲ Average variables




第六步,通量贡献区 FootPrint 成图 在微信公众号中查看

通量贡献区(Footprint)被定义为所测得的垂直通量或浓度的表面源/汇的每个组分的相对贡献(见 Schuepp at el.1990;Leclerc and Thurtell 1990)。

 

通量值会受到监测区地形、风向、大气稳定状态和仪器安装高度等的影响。通过通量贡献区分析,可以研究通量值与风向、大气稳定状态及下垫面状况之间的关系,并将其应用于通量塔选址、观测尺度扩展和数据质量控制等方面。是对通量观测空间代表性进行评价的重要工具。

 

通常,一个涡度协方差测量站点不只包含一种区域类型,如森林中的空地、在农业区域中具有不同作物类型的场地或障碍物,如开阔草地上的建筑物或树,这些区域异质性都有可能影响大气湍流,从而导致数据质量下降。因此,Footprint分析是涡度协方差数据质量评估中的重要组成部分。

 

现在,Tovi带给我们一个前所未有的通量贡献区成图工具-FPA

 

那,如何实现呢,下面就和小泰一起来探探究竟吧。

▲ Footprint Analysis Part 1 - Setup

▲ Footprint Analysis Part 2 - results

▲ Footprint Analysis Part 3 - QC Screening

 


扩展阅读

 使用Tovi,高效处理通量数据:U* 阈值检验
 使用Tovi,高效处理通量数据:如何实现通量数据插补?





相关文章