转载 | Campbell Scientific通量专题系列会议

Campbell Scientific

通量专 题系列会议

涡动相关法是研究近地面层碳水等通量过程的标准方法之一，基于涡动相关技术的通量观测已经成为不同生态系统碳水循环的重要研究手段，并在全 球形成了多个著名的通量观测网络。

为了让大家对通量观测有更充分的认识，我们将从2022年12月开始陆续举办一系列（共六次）线上交流会议，会议内容包括基础理论，实验设计，设备组成、安装与维护，数据处理及质量控制等主题。Campbell Scientific高级应用科学家和国内相关领域的专家将与大家就不同主题进行线上交流，欢迎大家报名参与。

 全部会议主题

01大气边界层基础理论和湍流定义

02涡动相关方法和常用通量设备介绍

03通量站点选址介绍

04涡动相关设备的选择及安装注意事项

05功率谱和协谱

06谱分析在通量计算中的应用

0710Hz高频原始数据的质量控制

08数据校正方法：坐标旋转，WPL密度效应校正，SND校正

0930min通量数据的质量控制

10通量数据及气象要素插补

11涡动相关系统安装和EasyFlux DL配置

12涡动相关系统的日常维护及常见问题解决方案

第 一次会议

信息及报名方式

第 一次会议主题为大气边界层基础理论和湍流定义、涡动相关方法和常用通量设备介绍，Campbell Scientific高级应用科学家周新华博士和杨柏博士将在会议中与大家进行交流。

会议时间

2022年12月06日

 9:30-11:00 AM

会议形式

腾讯会议

报名方式

1.识别下方二维码或点击阅读原文进入报名页面。

2.进入报名页面后，点击页面下方“报名”，点击“允许”并填写信息。

温馨提示

1.请提前安装腾讯会议。

2.请使用报名时登录的同账号（如同手机号或同微信号）登录腾讯会议，以快速入会，避免重复报名。
3.报名和参会均通过文中二维码或文章底部阅读原文进行，使用报过名的账号登录腾讯会议后可从软件内直接参会。

通量观测研究的 LI-COR“3要素+” 完整解决方案：1. 精准、稳定的分析仪；2. 国际流行的数据处理软件；3. 化繁为简的数据深入分析软件；3+. 多台站数据管理平台。

 通量观测研究 LI-COR“3要素+”

完整解决方案

2021年12月-2022年3月

我们力邀LI-COR 

三位通量研究领域的

科学家

徐六康、李加宏、

Dave Johnson

举办7场讲座

• 生态系统碳水循环对气候变化的影响及相关测量技术

• 涡度相关通量观测方法介绍

• 涡度相关通量观测方法的应用与实验设计

• 涡度相关通量观测的硬件组成

• 涡度相关通量观测的数据采集（含生物气象数据）与协同管理

• 使用EddyPro分析/处理涡度相关通量观测数据

• 涡度相关通量观测的辅助测量：土壤碳水通量、叶片光合、叶面积指数LAI

如果您对通量研究中的其他话题感兴趣，请告诉我们，作为后续的研讨内容。

通过这次研讨，您将掌握观测研究的核心要素，并可收获一张由LI-COR颁发的结业证书。

下周三第yi讲（12月22日上午10:00-11:00），我们邀请到了LI-COR公司的首席科学家徐六康博士，他将以生态系统碳水循环为主题，和大家分享相关研究前沿，着重探讨生态系统与大气之间、叶片及土壤表面的温室气体通量测量技术。热烈欢迎各位老师参会交流~

嘉宾简介

徐六康

徐六康博士，美国LI-COR公司环境科学部首席科学家。2000年获加州大学戴维斯分校土壤学博士学位，1987~1994年系原中科院综考会助理研究员，1994~2001年加州大学戴维斯分校助理研究，2001~2004年加州大学伯克利分校博士后研究。主要研究领域是各种生态系统及土壤介面和大气之间的温室气体和能量交换的调控及其测量技术的研究。发表论文几十篇，获Top 100 World‘s Most Influential Scientific Minds 2014 by Thomson Reuters，top 1% of researchers for most cited documents in Agricultural Sciences。截至2021年底，发表论文总引次数达8070次。

研讨会详情

题目：The Importance of Measuring and Researching Carbon and Water Cycles and Their Impact on Climate Change

主讲人：徐六康博士

主办方：LI-COR和北京力高泰科技有限公司

日期和时间：2021年12月22日（星期三）；上午 10:00-11:00 (北京时间)

点击下方链接报名，成功后您将收到确认邮件。有任何疑问请给我们留言: ) 

报名链接

精彩预告

@Module.1

第yi讲

2021年12月22日 星期三 

上午10:00-11:00

生态系统碳水循环对气候变化的影响及相关测量技术

The Importance of Measuring and Researching Carbon and Water Cycles and Their Impact on Climate Change

@Module.2

第二讲

2022年1月4日 星期二 

上午10:00-11:00

涡度相关通量观测方法介绍

The Theory of Ecosystem Gas Exchange: The Eddy Covariance Method

@Module.3

第三讲

2022年1月11日 星期二 

上午10:00-11:00

涡度相关通量观测方法的应用与实验设计

Eddy Covariance Applications and Experimental Design

@Module.4

第四讲

2022年2月22日 星期二 

上午10:00-11:00

涡度相关通量观测的硬件组成

Instrumentation for Eddy Covariance

@Module.5

第五讲

2022年3月1日 星期二 

上午10:00-11:00

涡度相关通量观测的数据采集（含生物气象数据）与协同管理

Integration of an Eddy Covariance System

@Module.6

第六讲

2022年3月8日 星期二 

上午10:00-11:00

使用EddyPro分析/处理涡度相关通量观测数据

Data Processing with EddyPro

@Module.7

第七讲

2022年3月15日 星期二 

上午10:00-11:00

涡度相关通量观测的辅助测量：土壤碳水通量、叶片光合、叶面积指数LAI

Supplementary measurements to Eddy Covariance

LI-COR 通量观测•冬季系列研讨会

即将拉开帷幕

我们期待与您相见直播间!

更多精彩

敬请关注后续推送

高光谱遥感数据处理系列（六）

非监督分类是一种面对数据本身的分类方法，与之相对应的：监督分类，则是面向先验知识的分类方法。监督分类是指给定已知类型的数据，通过建模的方式将这些数据与对应的类型建立映射关系，并将这种关系应用到未知类型的数据上的过程。如果每种类型用一个数字来表示，分类任务可以看做回归分析的一种特例。

主界面分区

ROI工具

监督分类需要有已知类型的数据集作为先验知识进行训练，称为训练集。一般可以通过目视解译，或者实地样方调查的方式获取训练集。构建训练集的方法如下：

在主菜单②工具栏中点击打开Region of Interest（ROI) Tool，进行兴趣区选取：

ROI工具

最基本的ROI选取过程如上图所示，首先选择①工具添加新的ROI范围，在②中调整ROI的名称和颜色，在③中选择绘制ROI的图形形状，④在图上绘制ROI，完成后右键Accept shape type。如果想要绘制带有空洞的图形，可以点击复选框⑤所示的Multi Part复选框，然后在影像上绘制两个叠加的图形，完成后右键 Accept。

使用File可以进行ROI图层的读取与保存

如果选取好了ROI可以使用Options可以利用对ROI本身进行融合（Merge（Union/Intersection）ROI）,计算离散度（Compute ROI Separability），或者使用对ROI范围内的图像进行统计（Compute Statistics from ROIs）。另外也可以使用ROI对图像进行裁剪。

除了使用不同形状进行框选，还可以使用像元，自动区域生长，阈值选取等方式产生ROI。

在ENVI的帮助文件中详细介绍了这些工具的使用方法。在主界面①菜单栏 Help 中打开-> 在左侧Contents选项卡中的:book:ROIs, Vectors, Annotations，请读者自行查阅。

监督分类

在训练集选择完毕后就可以进行监督分类，ENVI中提供了多种监督分类的工具，包括：

• 平行六面体（Parallelepiped）

• 最 小距离（Minimum Distance）

• 马氏距离（Mahalanobis Distance）

• 最 大似然（Maximum Likelihood）

• 神经网络（Neural Net）

• 支持向量机（Support Vector Machine）

• 波谱角（Spectral Angle Mapper）

这里我们介绍两种监督分类方法，最 大似然法和波谱角方法。

01最 大似然法

在ENVI的帮助文件中详细介绍了各种分类方法的原理。在主界面①菜单栏 Help 中打开-> 在左侧Contents选项卡中Classification->Supervised Methods中，最 大似然法定义为:

最 大似然分类假设每个波段中每个类别的统计数据呈正态分布，并计算给定像素属于特定类别的概率。每个像素被分配到具有最 高概率（即最 大似然）的类别。

根据该定义，最 大似然法将每个类别投影到特定的分布上，分类问题被转化为分布相似性问题。

在主界面⑤中搜索Maximum Likelihood打开最 大似然分类工具。首先要选择进行训练的数据，需要强调的是，我们选择在上篇文中生成的主成分分析的结果进行分类，而不是影像本身，具体原因在上篇文章中有详细描述。

分类结果如下所示：

02波谱角方法

光谱角映射器 (SAM) 是一种基于物理的光谱分类，它使用 n 维角度将像素与参考光谱进行匹配。该算法通过计算光谱之间的角度并将它们视为维数等于波段数的空间中的向量来确定两个光谱之间的光谱相似性。SAM 使用的端元光谱可以来自 ASCII 文件或光谱库，或者您可以直接从图像中提取它们（作为 ROI 平均光谱）。SAM 比较端元谱向量与 n 维空间中每个像素向量之间的角度。较小的角度代表与参考光谱更接近。

在主界面⑤中搜索Spectral Angle Mapper打开光谱角工具，在端元集合（Endmember Collection：SAM）中导入选取的ROI，将上一步选取的ROI所在范围的光谱均值作为特定类别的标准光谱。SAM的本质是将分类问题转化为对比未知类别数据与标准光谱的余弦距离的问题。需要强调的是，我们选择主成分分析的结果进行分类，而不是影像本身，具体原因在上篇文章中有详细描述。

分类结果如下所示：

小结

本文中我们介绍了两种监督分类的方法，相对于非监督分类，监督分类通过融入先验知识，提供了有明确类别的结果，这大大减少了进行后续处理的成本。但是对于遥感应用来说，获取地面真值的成本较高，通过目视解译的方式会不可避免地引入人为误差，给结果带来不确定性。正如上一篇文章提到，数据和特征决定了分类的上限，而分类的方法只能逼近这个上限。如何构建质量高、数量多的训练集，权衡成本是监督分类需要考虑的问题。

Campbell气象站在珠穆朗玛峰山脊建立

珠穆朗玛南科勒是世界上高的气象站所在地，也是科学设备到达的偏远海拔高的地方。

在珠穆朗玛峰海拔7925米处安装的气象站，它由科罗拉多大学地球物理学家罗杰·比勒姆(Roger Bilham)带来，由地球物理学家罗杰·比勒姆(Roger Bilham)安装并将被放置在冰雪上，埋在一堆厚厚的石头中，以抵御南加州的强风。

该空间站配备了测温、气压和风速的仪器。
Campbell气象站经过极端条件测试，专门为珠穆朗玛峰建造，它在零下55摄氏度150英里/小时的风力压力下可以可靠的工作。
气象站有三个独立的温度探测器：辐射计、风向计和风速计。

太阳辐射计用来测量来自太空的辐射。当然，在海平面上，辐射计会测出仪器和太空之间的所有东西。但是在珠穆朗玛峰的顶部，仪器和太空之间没有太多的距离，所以这是非常可靠的。事实上，珠穆朗玛峰上漂浮着尘埃颗粒，所以看看那里有什么是很有趣的。另外两个传感器是风向和风速。有了风速计，推进器就会旋转，指向风的方向。

这个包很有趣，因为它是由Campbell坎贝尔科学公司专门组装的，他们做的是在这里安装了一个黑匣子，几个月前在科罗拉多州的博尔德(Boulder)打开了这个黑匣子，并将运行3年。所以它现在测量的是营地的温度，当它上升到山上的时候，它会测量沿途的温度，当它坐在南冰洋的时候，它会测量温度和其他参数。
预测天气的整个过程取决于知道大气中有多少水汽，风在哪里，气压条件是什么，整个对流层的温度状况如何。这些气象站收集的数据还将帮助科学家更好地理解天气变暖是如何影响冰川的。
数十年来，人类活动对珠峰卫生状况持续造成不良影响，近期天气状况不佳，旅游、登山者过度拥挤导致人员伤亡。可以说，当前珠峰状况非常不尽如人意。在珠峰开展相关科学研究对于改善那里的不良状况具有积极影响。