目錄
1. 后處理方法介紹
1.1 Ustar閾值判斷（主要針對夜間NEE）
1.2 數據插補
1.2.1 查表法插補（LUT法）
1.2.2 平均日變化曲線法（MDC法）
1.2.3 樣本邊緣分布采樣法（MDS法）
1.3 數據拆分
2. REddyProc包處理數據格式介紹
2.1 輸入需要處理數據的格式
2.2 輸出處理完畢數據的格式
3. REddyProc包的R代碼介紹
3.1 準備—R程序包安裝、運行、目標數據導入和調整
3.2 數據后處理
3.2.1 Ustar閾值計算
3.2.2 數據插補
3.2.3 NEE拆分插補
3.2.4整合處理結果并輸出數據
渦動通量數據處理分為在線處理（online-processing）和后處理（post-processing）。其中在線處理針對高頻通量數據（e.g.10Hz data）通過一系列標準方法進行計算，最后得到帶有質量評價的低頻通量數據（e.g.half-hour data），后處理主要包括Ustar閾值估計、數據插補和碳通量（NEE）拆分（植被總生產力GPP和呼吸消耗Re）及其結果的可視化表達。
當夜間大氣湍流運動較弱時，摩擦風速u?降低，渦動相關系統測量碳通量NEE時會出現低估的現象，數據漂移值增多。通常需要判斷出u?閾值，剔除這些低于u?閾值的NEE；對缺失的數據進行插補，有利于得到完整的時間序列并得到更長時間尺度（月或年）下的均值；NEE通過主流的模型方法進行拆分，以便進一步了解研究區NEE兩大組分：（1）生態系統總生產力（或總初級生產力）（2）生態系統呼吸。REddyProc 程序包通過R語言平臺實現了以上三個方面的數據后處理，以及對其計算結果實現基本可視化功能。
1. 后處理方法介紹
數據后處理所使用的通量數據是已經過異常值剔除后的數據，NEE拆分或可插補的數據包括碳通量（NEE，umolm-2s-1）、感熱通量（sensible heat flux (H) Wm-2）、潛熱通量（latent heat flux (LE) Wm-2）、摩擦風速（friction velocity (u?) ms-1）、入射短波輻射（global radiation (Rg) Wm-2）, 空氣或土壤溫度（air or soil temperature (Tair, Tsoil) ℃）和水汽壓飽和差（vapor pressure deficit (VPD) hPa）或相對濕度（relative humidity (RH) %）。其中u?、Rg、VPD、Tair和RH是NEE濾除、插補和拆分默認使用數據。
數據后處理主要流程包括（圖 1）：
●確定和濾除湍流發展較弱的時期下的NEE（計算u?閾值）。
●插補缺失的小時數據。
●拆分碳通量小時數據,得到GPP和Reco。
圖1 數據后處理流程，以某一站點數據為例
（Wutzler et al.(2018)）
1.1
Ustar閾值判斷（主要針對夜間NEE）
儀器所在高度處可以測量到下墊面全部碳通量（無平流損失），對應的最小u?稱為u?閾值，u?閾值通常出現在夜間（Rg<10 Wm-2）。由于下墊面粗糙度在不同時期（季節）發生變化，導致u?閾值會產生季節變化。（the u? threshold is the minimum u? above which respiration reaches aplateau. This threshold is specific for each season of a site year.）。
當前REddyProc 包計算Ustar閾值方法主要有移動點法（the moving point method，MPT）和斷點檢測法（the breakpoint detection method，CPT），其中MPT較常用。
1.2
數據插補
Ustar閾值濾除NEE后，會有更多的NEE缺失數據，需要插補。
1.2.1 查表法插補（LUT法）
在REddyProc包的查表法中（look-up table (LUT)），所有通量數據以特定的時間窗口內的相似氣象條件為依據進行分類并計算平均值，最后得到可供參照的速查表。缺失的數據可利用同時間序列中已知的氣象數據與速查表匹配，對應的通量數據即為所缺失的數據。
1.2.2 平均日變化曲線法（MDC法）
該方法可在其他氣象數據缺失條件下進行通量數據插補。假設植物晚上只進行呼吸作用，白天發生光合和呼吸作用，且NEE具有較為規律的日變化特征。則缺失的數據可根據臨近天同時刻（或前后一小時）已知的通量數據進行插補（mean diurnal course (MDC)）。
1.2.3 樣本邊緣分布采樣法（MDS法）
邊緣分布采樣法（marginal distribution sampling (MDS)）結合了以上LUT和MDC兩種方法，根據通量數據與氣象因子之間的關系（covariation）以及通量數據在時間上的自相關進行插補。MDS可針對較大缺失范圍的NEE和LE數據插補，該方法目前最受歡迎。
利用Rg, Tair和 VPD三種氣象數據，（1）如果三個氣象數據皆未缺失, 使用LUT 方法，三個氣象因子默認邊際條件（default margins）為50 Wm?2, 2.5 ?C和5.0 hPa；（2）Tair 或VPD 缺失, 則只利用 Rg；(3) 如果三種氣象數據都缺失，使用 MDC方法。另外，很多站點沒有Rg的觀測數據，可用光合有效輻射par代替，并設置par的邊際條件（可嘗試使用100-200 μmol m-2 s-1）
1.3
數據拆分
NEE、Reco（↑）和GPP（↓）三者關系為NEE = Reco– GPP，當前NEE拆分為Reco 和GPP主要方法有利用夜間NEE數據拆分和利用白天NEE數據拆分兩種。當前夜間NEE數據拆分方法最常用。
夜間NEE數據拆分方法是假設植被呼吸Reco只與Tair變化有關，且夜間植被只進行呼吸作用，因此可以通過夜間NEE對Tair的響應變化曲線推出白天植被的呼吸Reco變化，最后根據以上關系式求出植被總生產力GPP。
白天NEE數據拆分方法是將白天NEE和總輻射的關系假設為Rg和VPD對GPP的影響以及Tair對Reco的影響的綜合。
2. REddyProc包處理數據格式介紹
本節圖片來源：
//www.bgc-jena.mpg.de/bgi/index.php/Services/REddyProcWebDataFormat
注意雖然REddyProc包是基于該網頁在線工具所開發的，但是二者的算法還有一些區別，詳情參見Wutzler et al.(2018)。
2.1
輸入需要處理數據的格式
輸入數據格式如圖2所示，輸入文件類型為“文本文件（制表符分隔）（*.txt）”
圖2 數據輸入類型及格式
2.2
輸出處理完畢數據的格式
輸出的數據主要包括數據插補結果（圖 3），u?閾值估計結果（圖 4）和NEE拆分為GPP和Reco的結果（圖 5）。
圖3 數據插補數據結果格式
圖4 Ustar閾值數據結果格式
圖5 NEE數據拆分結果格式
3. REddyProc包的R代碼介紹
白色字為代碼，“###”后僅為代碼介紹的文本，無其他功能。“#”為跳過無需運行的代碼。
3.1
準備—R程序包安裝、運行、目標數據導入和調整
3.2
數據后處理
按照Ustar閾值計算，數據插補和NEE拆分三個流程分別進行處理。
3.2.1 Ustar閾值計算
3.2.2 數據插補
3.2.3 NEE拆分
3.2.4 整合處理結果并輸出數據