《Agricultural and Forest Meteorology》:New multisource data-driven gap-filling approaches for meteorological data measured at eddy flux sites
编辑推荐:
摘要在通量塔站点进行气象观测对于准确估算涡度协方差通量至关重要,但由于数据缺失,尤其是在极端天气条件下,观测的连续性常常受到影响。在偏远地区难以获取数据或数据记录器出现故障时,现有的插值方法由于长时间的数据缺失或多种变量同时丢失,会导致后续通量估算和碳预算分析的不确定性增加。为解
摘要
在通量塔站点进行气象观测对于准确估算涡度协方差通量至关重要,但由于数据缺失,尤其是在极端天气条件下,观测的连续性常常受到影响。在偏远地区难以获取数据或数据记录器出现故障时,现有的插值方法由于长时间的数据缺失或多种变量同时丢失,会导致后续通量估算和碳预算分析的不确定性增加。为解决这些问题,本研究提出了一种多源整合重建框架,用于填补气象数据缺口,从而为通量建模提供高质量数据,并通过利用空间相似性以及地表能量平衡与陆气相互作用之间的耦合过程,确保不同变量和不同时间段的一致性。该框架通过中国FLUX网络77个站点的气象数据和通量数据进行了验证。对于影响通量估算的关键气象因子,如气温、相对湿度和向下短波辐射,基于现场数据的重建方法能够保持较高的重建精度(R2 > 0.96),同时保留季节性变化特征;而基于再分析数据的重建方法则使站点平均均方根误差分别比单变量回归重建法和日变化平均法降低了12%和51%。在变化剧烈的亚日尺度上,现场观测能够准确再现温度和辐射的日变化规律。当数据缺失时间超过15天时,就需要引入外部数据,这进一步凸显了多源整合重建方法的优势。即便在60天的数据缺失或极端天气条件下,两步法重建的总体R2值下降幅度仍低于20%,远远优于其他方法。通过多源整合重建得到的气象数据提升了通量估算的精度,在30天数据缺失的情况下,净生态系统交换通量、潜热通量和感热通量的站点平均R2值提升了约15%,从而减少了高碳汇站点的系统性高估或低估问题。本研究为通量监测站点提供了可推广的气象数据缺失填补方法,显著提升了通量数据集的质量和可用性。
引言
在气候变化和人为干扰的共同作用下,陆地生态系统的碳、水、能量和养分循环正在发生显著变化(Konecky等人,2023;Piao等人,2020;Yu等人,2019;Zhu等人,2016)。准确追踪这些过程及其环境驱动因素对于识别时间模式和主要调控机制至关重要。鉴于陆气交换存在较大的时空差异,持续的高分辨率观测十分必要。
涡度协方差技术已成为量化二氧化碳、水蒸气和能量在地表与大气之间交换的标准方法(Aubinet等人,2012;Baldocchi,2020)。该技术通过捕捉湍流风分量与标量量之间的协方差关系,直接反映净生态系统交换过程,被广泛用于评估全球变化背景下的生态系统功能(Baldocchi等人,2001;Papale等人,2006;Yu等人,2024、2016)。随着各类区域监测网络的建立,如AmeriFlux(Novick等人,2018)、ICOS(Heiskanen等人,2022)、AsiaFlux(Yamamoto等人,2005)和OzFlux(Beringer等人,2016),FLUXNET网络也得以不断发展(Baldocchi,2014;Baldocchi等人,2001),目前全球已有超过900个监测站点(Baldocchi,2020),为模型验证和不同生物群落间的比较提供了重要的实证基础(Campioli等人,2016;Dolman等人,2012)。
尽管取得了这些进展,但由于仪器故障、恶劣环境以及运行限制,EC时间序列中仍普遍存在数据缺失问题。有效的数据覆盖率通常在40%到80%之间(Moffat等人,2007),这在估算碳和水预算时带来了较大不确定性(Vuichard和Papale,2015)。为弥补缺失的通量数据,人们采用了多种方法,如日变化平均法、查表法、机理模型以及经验回归法等。近期基于机器学习的研究通过利用多变量现场气象数据,进一步提升了通量变量缺失数据的填补精度(Lucas-Moffat等人,2022;Moffat等人,2007)。然而,尽管有了这些进步,所有方法仍然依赖于连续的现场气象数据,因此气象数据缺失问题依然未能得到彻底解决。
虽然气象变量的缺失值通常少于通量数据,但随着监测网络向偏远或恶劣环境延伸,气象数据缺失的频率和持续时间也在增加。这类缺失往往由太阳能传感器故障、难以到达监测地点或传感器同时出现故障导致,进而造成多个变量数据的同时丢失(Baldocchi,2014;Reichstein等人,2005)。这类数据缺失不仅会影响通量数据的填补和划分,还会降低生态系统过程模拟的可靠性以及不确定性分析的准确性(St?ckli等人,2008;Zhao等人,2012)。实证研究表明,气象数据中的误差可能带来与模型参数化误差相当大的建模偏差(Jung等人,2007),这进一步凸显了需要可靠的重建方法来恢复通量监测网络中连续的气象数据。
早期的数据填补方法依赖于简单的统计假设,比如使用季节平均值或时间窗口平均法。这些方法在稳定条件下的短期数据缺失情况下效果尚可,但在长时间中断或气候动态变化的情况下则表现不佳。近年来,人们开始探索将机器学习与遥感技术相结合的混合方法,用于填补长期数据缺失问题(Kang等人,2019);还将现场测量数据与回归模型、日变化规律以及生物圈模拟模型相结合(Beringer等人,2017);同时利用多源卫星数据提升气象数据重建的空间一致性(Walther等人,2022)。虽然这些方法在特定条件下能提升重建精度,但它们往往只适用于特定的生态系统,在极端天气或多尺度数据缺失情况下可能无法发挥作用。此外,如果过度依赖单一数据源或距离较远的参考站点,也会降低在地理条件复杂的地区的重建可靠性。
随着全球气象再分析数据集的日益丰富,将其应用于站点级数据缺失填补越来越受到重视。这类数据集具有全球覆盖范围、高分辨率以及时间连续性,能为那些缺乏连续观测数据的地区提供可靠的大气数据驱动(Zhao等人,2023)。其中,ERA5已成为最常用的气象数据再分析产品之一,被广泛用于数据缺失填补工作(Mu?oz-Sabater等人,2021)。在FLUXNET2015数据集中,人们通过站点校准的线性回归方法对ERA-Interim数据进行调整,以提高数据精度(Pastorello等人,2020;Vuichard和Papale,2015)。然而,由于ERA5的空间分辨率较低,线性方法往往无法保留站点级的变化特征,还可能扭曲日变化规律,从而导致当地气象动态的相位偏移(Vuichard和Papale,2015)。针对这些局限性,Lalic等人(2024)将附近气象站的数据以及时间特征作为辅助输入,引入ERA5-Land数据集中,同时运用随机森林和LightGBM模型,更好地捕捉气象过程的局部时空特征,从而实现近乎实时的数据填补。虽然这种方法在多站点环境中表现良好,但在沙漠或高山等站点密度低、微气候差异极大的地区,其适用性可能受到限制。此外,该方法主要是通过外部站点数据来优化ERA5,而非充分利用通量塔站点所具备的高频、多变量气象观测数据,因此在某些情况下还有其他互补策略可供选择。
为克服上述局限性,本研究提出了一种模块化重建方法,将ERA5数据与现场相关观测数据相结合。该方法旨在提升多变量气象数据缺失填补的精度和时间一致性。研究目标包括:(1)整合站点历史数据、多传感器观测数据以及相互关联的物理变量,更充分地利用站点级信息;(2)进一步将站点数据与再分析数据相结合,构建一种适用于不同类型变量和不同数据缺失长度的统一重建框架;(3)评估该框架在不同地理区域、气候带和生态系统中的性能;(4)探讨该框架在提升通量数据连续性方面的作用。
章节节选
中国FLUX数据集
为评估气象数据缺失填补方法,我们使用了2015年至2019年间77个中国FLUX站点的自动观测数据,共计269个站点年的数据。这些站点分布于22片草原、6片湿地、3片灌木丛、22块农田、5片沙漠以及19片森林中,涵盖了多种不同的生态系统,具有较好的生态和空间代表性。
所有站点都配备了标准化的传感器,包括辐射计、光合有效辐射传感器、气象探针等。
用于数据重建的机器学习模型选择
在构建基于ERA5数据的填补模型时,我们评估了四种类型的机器学习模型,结果发现不同模型和不同气象变量之间的重建性能存在明显差异(见图4)。随机森林模型通常表现出强劲且稳定的性能,在大多数变量上的重建效果优于其他模型,仅气压变量的重建效果稍逊,其综合评分的平均提升幅度为5%至23%(见图4b)。不过这种优势并非普遍存在,因为在某些特定情况下,其他模型也能展现出不错的性能。
多源整合重建技术在气象数据缺失填补中的应用进展
由于ERA5再分析数据与站点观测数据之间存在系统性差异,因此需要进行偏差校正。然而,基于线性回归的单一回归方法无法准确表示WS、土壤湿度以及USR等变量,因为这些变量容易受到尺度不匹配、局部地形以及瞬态过程的影响(Vuichard和Papale,2015;Wilczak等人,2024;Zhang等人,2025),从而导致重建精度较低(在30天数据缺失情况下,R2值仅为0.50–0.78)。
为解决这些问题,多源整合重建方法
结论
本研究通过将现场相关观测数据与再分析数据相结合,构建了一种用于通量塔站点气象数据缺失填补的框架。与现有方法相比,基于现场数据的重建步骤使重建精度(R2值)分别比单变量回归重建法和日变化平均法提升了16%和19%,在30天数据缺失情况下使均方根误差降低了25%至85%,且对数据缺失时间的敏感性较低,60天数据缺失情况下R2值的下降幅度仅为0–7%。而基于再分析数据的重建步骤则通过整合多种数据源
CRediT作者贡献说明
李涛:概念构思、数据整理、定量分析、方法设计、初稿撰写。陈志:概念构思、定量分析、资金申请、项目管理、初稿撰写、审稿与编辑工作。林勇:定量分析、方法设计、审稿与编辑工作。马乐欣:数据整理、初稿撰写。余福波:方法设计工作。金贤锡:审稿与编辑工作。市井一仁:审稿与编辑工作。高桥良之:撰稿工作
李涛|陈志|林勇|马乐欣|余福波|金贤锡|市井一仁|高桥良之|于贵瑞
中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,中国北京100101