能量闭合：涡度相关通量数据质控的定量标尺
Surface Energy Balance Closure as an EC Quality Metric
能量闭合率是 EC 通量数据最客观的自检指标。本文整理 boreal 森林 5 年实测的闭合率行为规律（夜间低摩擦速度时闭合率可跌到 0.3，u* 超过 0.35 m/s 才恢复到约 0.9），并给出可操作的数据筛选与校正建议。
本文涉及的条目18 条 · 自动匹配自标签与标题
一、为什么能量闭合是 EC 的"体检指标"
涡度相关（EC）测得的感热 H 与潜热 λE 之和，应当等于可利用能量（净辐射 Rn 减去土壤热通量 G）。实测中两者常不相等，其比值 CF = (H + λE) / (Rn − G) 就是能量闭合率。
闭合率具有三个性质，使它成为 EC 数据质控的首选标尺：
- 客观：与通量本身的算法无关，纯能量守恒检验；
- 有界：理论上界为 1，偏差方向明确；
- 可解释：对摩擦速度 u*、大气稳定度和时刻都有系统响应。
二、boreal 森林 5 年实测的闭合率行为（Barr et al., 2006）
加拿大中部三个成熟北方森林站（杨树、黑云杉、杰克松）连续 5 年 EC 观测给出以下关键数值：
| 站点 | 能量闭合率 CF（整体） |
|---|---|
| 杨树林（aspen） | 0.89（低估 11%） |
| 黑云杉（black spruce） | 0.85（低估 15%） |
| 杰克松（jack pine） | 0.86（低估 14%） |
CF 对 u*、稳定度、时刻的系统响应（三站一致）：
| 时段 | u* 条件 | CF 行为 |
|---|---|---|
| 夜间 | 极低 u* | ~0.3，严重低估 |
| 夜间 | u* > 0.35 m/s | 渐近 ~0.9 |
| 白天不稳定 | 低 u* | ~0.7 |
| 白天不稳定 | 高 u* | ~1.0 |
结论一：夜间低 u* 时通量系统性低估——这正是"夜间数据用 u* 阈值筛除"做法的实验依据。
结论二：能量闭合残差可以用作对 H、λE 乃至 NEE 的比例校正依据（up-scaling adjustment），但校正幅度本身存在争议，需要站点配对评估。
三、CF 与 NEE 的关系：没有"通量闭合率"怎么办
NEE 没有类似 CF 的客观检验量。Barr 等人的做法是：用高 u* 数据拟合经验模型，再定义 NEE 的"闭合率"CFᴺᴱᴱ = 实测 NEE / 模型 NEE。CF 与 CFᴺᴱᴱ 对 u*、稳定度、时刻的响应一致——说明：
- 低 u* 时段 NEE 同样系统性低估，不能简单用白天模型外推夜间；
- 对 NEE 做能量闭合式校正时，必须与 H、λE 的校正配套，避免只修一项造成能量不平衡扩大。
四、FLUXNET2015 与 ONEFlux：统一质控管线的落地（Pastorello et al., 2020）
FLUXNET2015 数据集汇总 212 个站点、超 1500 站年数据，首次以统一方法处理：
- 统一质控（spike 剔除、稳态/积分测试、u* 阈值、足迹）；
- 统一插补（边际分布采样 + 人工神经网络，输出 gap-filled 序列）；
- 统一拆分（夜间分割法 / 白天分割法，产出 GPP 与 Reco 分量）；
- 附带不确定性估计与站点元数据，206 个站点以 CC-BY 4.0 开放。
对自建通量站（如冰雪水文、城市、农业站点）的直接启示：
- 质控与插补必须写死为可复现脚本，不要手工处理——ONEFlux 全部开源可参照；
- u* 阈值用站点自身数据确定（bootstrap），不同站点/年份阈值不同；
- 发布数据应含 QC flag、插补标记与不确定性，否则数据无法被第三方引用；
- CC-BY 4.0 是当前国际通量数据的默认许可，自建站发布时建议对齐。
五、可操作的检查清单
| 步骤 | 动作 | 通过标准 |
|---|---|---|
| 1 | 逐 30 min 算 CF | 日间 CF 中位数 ≥ 0.8 |
| 2 | 画 CF vs u* 曲线 | 夜间 CF 随 u* 上升、u*>0.35 m/s 后稳定 |
| 3 | 确定站点 u* 阈值 | 数据自举，报告阈值与不确定性 |
| 4 | 夜间 NEE 筛除 | 低于 u* 阈值的数据剔除或插补 |
| 5 | 检查感热/潜热测量 | 闭合残差（Rn−G−H−λE）与净辐射同量级 |
| 6 | 发布 | 附 QC flag、插补标记、不确定性与许可 |
参考来源：Barr, A. et al. Surface energy balance closure by the eddy-covariance method above three boreal forest stands and implications for the measurement of the CO₂ flux. Agricultural and Forest Meteorology 140 (2006) 322–337；Pastorello, G. et al. The FLUXNET2015 dataset and the ONEFlux processing pipeline for eddy covariance data. Scientific Data 7, 225 (2020).