通量足迹模型对比：KM01/FFP/分析模型的源区边界与异质下垫面适用性
足迹模型决定"通量代表哪片地"，不同模型在异质下垫面给出的源区相差 5~6 倍。本文综合牛肉育肥场 CH₄ 实测（KM01 vs FFP）、甘蔗-棉花异质冠层的三模型对比与 Douglas-fir 足迹气候学的 15~20% 不确定性，给出模型选择判据：均一下垫面用分析模型即可，异质-不稳定层结首选 FFP，城市三维环境需拉格朗日后向轨迹。
一、为什么足迹模型重要
足迹（footprint）描述通量源区贡献函数。EC 塔的测量结果"属于哪片地"由测高、粗糙度、风速风向与稳定度共同决定，模型选择直接决定：
- 站点代表性判断（足迹是否落在目标下垫面）；
- 点-面尺度转换（EC 通量 vs 遥感像元 vs 清单网格）；
- 异质源区（育肥场、城市、农田镶嵌）的源解析。
判别边界：如果足迹 90% 落在目标地类之外，任何通量数值都不能代表该地类——先算足迹再谈数值。
二、育肥场甲烷：模型间源区差 5~6 倍
Prajapati 等（Agricultural and Forest Meteorology 2018）在商业育肥场用闭合路径 EC + 两个足迹模型（分析模型 KM01、拉格朗日参数化 FFP）：
- KM01 聚合足迹面积比 FFP 大 5~6 倍；
- 按足迹加权的栏面排放 F_pen：FFP 比原始 EC 高 8%、KM01 高 14%——差异随源区位置与大小显著变化；
- 单头排放月均值：KM01 83~125 g/(头·d)、FFP 75~114 g/(头·d)，与文献一致。
判别边界：模型间差异不是噪声而是系统性的源区几何差异；在点源镶嵌（栏、厩、堆肥区）下，用足迹加权修正原始 EC 是必要步骤，但应同时报告两种模型的区间。
三、异质冠层的三模型对比（甘蔗-棉花）
Kumari 等（2023）用三塔系统（均一 C3、均一 C4、混合异质 C3-C4）在稳定/不稳定条件下比较 Hsieh、K&M、Schuepp 与 FFP：
| 模型 | 异质+不稳定表现 | 结论 |
|---|---|---|
| K&M | Corr>0.75、RMSE<0.06 | 分析模型中最佳 |
| Hsieh | Corr<0.6 | 中等 |
| Schuepp | Corr=0.2、SD>0.2 | 明显最差 |
| FFP | 中性~极不稳定全程最佳 | 异质下垫面首选 |
判别边界：异质冠层 + 不稳定层结时 FFP 胜出；均一冠层时简单分析模型已够；Schuepp 类一维模型只适合近中性、均一、低塔场景。
四、足迹气候学：时间聚合的不确定性（Douglas-fir）
Chen 等（Boundary-Layer Meteorology 2009）在温哥华岛三个不同年龄 Douglas-fir 塔用解析平流-扩散解计算月/年/年际足迹气候学（未加权与按碳通量加权）：
- 足迹维度与方向随测高、粗糙度、风速风向与稳定度变化；
- 加权气候学围绕塔非对称分布，月/季/年际结构显著不同；
- 59 年林分的足迹气候学变化给 EC-遥感 GPP 一致性带来约 15~20% 的月/年不确定性。
判别边界：用"年足迹气候学"代表站点会掩盖季节转向差异；遥感-通量对比必须做足迹加权，否则 15~20% 量级的偏差会被误读为生理信号。
五、城市三维足迹：拉格朗日后向轨迹（LaStTraM）
Simon 等（Atmosphere 2023）开发的 LaStTraM（拉格朗日随机粒子后向轨迹 + ENVI-met 微气候场）在城市复杂街区计算通量/浓度足迹，与 2D 模型（K&M、FFP）在高精度一致性下复现，同时能给出三维非均质域的真实源区。
判别边界：城市峡谷、高层遮挡场景下 2D 模型忽略垂直异质，足迹会显著偏移；对城市 EC 站点，应至少用 3D 模型做敏感性检验。
六、选型速查
| 场景 | 推荐 | 理由 |
|---|---|---|
| 均一农田/草地 | 分析模型（K&M） | 计算快、精度够 |
| 异质冠层/镶嵌 | FFP | 不稳定层结全程最优 |
| 点源镶嵌（养殖/工业） | FFP+KM01 双模型 | 报告区间，加权校正 |
| 城市街区 | LaStTraM（3D） | 垂直异质不可忽略 |
| 遥感-通量对比 | 足迹加权气候学 | 消除 15~20% 系统偏差 |
参考来源
- Prajapati & Santos, Estimating methane emissions from beef cattle in a feedlot using eddy covariance and footprint analysis, Agricultural and Forest Meteorology 2018. https://www.sciencedirect.com/science/article/pii/S0168192317302605
- Chen et al., Assessing Tower Flux Footprint Climatology and Scaling Between Remotely Sensed and Eddy Covariance Measurements, Boundary-Layer Meteorology 2009. https://zero.sci-hub.ru/777/41bcd5823d5f1fb8b30b75a19ec6a819/chen2008.pdf
- Kumari & Kambhammettu, Performance of analytical footprint models in heterogeneous landscapes under varying atmospheric stability conditions, E3S Web of Conferences 2023. https://www.e3s-conferences.org/articles/e3sconf/pdf/2023/42/e3sconf_icstce2023_04019.pdf
- Simon et al., Implementation of a Lagrangian Stochastic Particle Trajectory Model (LaStTraM) ... ENVI-met, Atmosphere 2023. https://pdfs.semanticscholar.org/9d49/383b475862a66eb6abae91aed45e479cd515.pdf