WRF-STILT 传输模型与足迹 Footprint 库基础教程-目录1. 课程背景与目的 (Purpose of Talk)2. 足迹的基本概念从大气数据推断通量 (Basic Concept)3. 足迹的核心基础知识 (Footprints - Basics)4. STILT 传输模型标准足迹详解 (STILT Transport Model: Standard Footprint)5. 概念辨析STILT 浓度足迹 vs. 通量足迹 (Comparison with Flux Footprint)6. 足迹的生成过程 (Footprints – How they are generated)6.1 第一步使用 WRF 模拟高分辨率气象场 (Step 1)6.2 第二步将 WRF 气象场应用于 STILT 模型 (Step 2)7. STILT 模型概述与核心优势 (Step 2 - STILT overview)8. 足迹库数据产品 (Footprint Library)9. 足迹文件命名规则与大小 (Footprint file)10. 足迹文件内部结构与核心变量 (Footprint file – Most important contents)11. 足迹数据的应用模型验证 (Footprint Applications - Validation)11.1 通量分析方法 (Flux Analysis Method)12. 足迹文件与通量的卷积计算步骤 (Convolving Footprint Files)参考本博客 结合 PPT-WRF-STILT Transport Modeling: An Introduction to the ASC Source-Receptor (“footprint”) Library内容详细解释。1. 课程背景与目的 (Purpose of Talk)本教程的核心目标是向广大科研社区如 ABoVE 社区推广现有的足迹Footprint和 WRF 库并指导研究人员如何将这些工具应用到实际研究中。推广与应用展示现有的足迹数据和 WRF 库并详细说明如何读取这些足迹数据并将其应用于您的科学研究中。收集反馈鼓励受众思考这些数据产品如何助力当前和未来的研究并收集科学团队的反馈。模型测试框架建立用于测试模型如通量估算的框架并根据用户需求定制相关脚本。课程大纲侧重点重点介绍足迹是什么、如何生成、如何获取以及如何应用。提供高分辨率的 WRF 场样本。非重点减少对 WRF-STILT 模型深层理论概念和繁琐技术细节的探讨更偏向于实用性。2. 足迹的基本概念从大气数据推断通量 (Basic Concept)要理解“足迹”首先需要理解如何通过大气观测数据来反推地表的排放通量。以下图形展示了一个非常直观的空气块Air Parcel运动模型。核心过程解析初始状态 (Known initial mixing ratio)假设一个空气块在起始位置的甲烷CH₄混合比是已知的例如1900 ppb。传输过程 (Path of an air parcel)这个空气块在风的作用下移动。当它进入行星边界层下半部分 (Lower half of PBL)时它会与地表发生相互作用。地表排放的累积 (Surface Fluxes)当空气块经过不同的地表排放源图中的房屋/工厂图标时它会“吸收”地表排放的温室气体。经过第一个源区吸收了40 ppb的 CH₄。经过第二个源区吸收了60 ppb的 CH₄。最终观测 (Measurement)空气块最终到达观测塔接收点。此时测量到的 CH₄ 浓度为2000 ppb。(计算公式1900 初始 40 新增 60 新增 2000 ppb)总结这个过程展示了空气块在到达观测点之前其浓度是如何受到沿途地表排放源影响的。“足迹”本质上就是用来量化这种“沿途地表对最终观测结果贡献程度”的工具。3. 足迹的核心基础知识 (Footprints - Basics)在理解了基本概念后我们来深入了解足迹的科学定义和计算方法。3.1 什么是足迹 (Footprint)源-受体关系 (Source-receptor relationship)足迹描述的是地表排放源Source与大气观测点Receptor之间的联系。受体 (Receptor)在特定空间位置和时间( x , y , z , t ) (x, y, z, t)(x,y,z,t)观测到的温室气体 (GHG) 浓度。源 (Source)地球表面位于受体上风向、可能对该处温室气体通量做出贡献的区域。应用场景常用于识别和量化生物源biogenic或生物质燃烧biomass burning对观测浓度的贡献。3.2 足迹的数学与物理特征时空网格足迹通常表示为地球表面上一个随时间变化的二维网格。典型分辨率为0.5° x 0.5°但也可以根据需要生成更高分辨率的网格。伴随模型 (Effective adjoint)在数学上足迹可以被视为传输模型的有效伴随Adjoint。它逆向追踪了物质的传输过程。3.3 足迹是如何计算的STILT 模型足迹是使用STILT (Stochastic Time-Inverted Lagrangian Transport)拉格朗日粒子色散模型计算得出的。后向追踪 (Backward in time)对于每一个受体观测点模型会释放一定数量的示踪粒子例如500个粒子并模拟它们在风场中**随时间向后逆流而上**的运动轨迹。通过统计这些粒子在边界层内与地表接触的时间和位置计算出地表各区域对受体的灵敏度即足迹。3.4 足迹的应用优势独立于化学物种 (Species independent)足迹的计算只依赖于气象条件和受体的时空坐标( x , y , z , t ) (x, y, z, t)(x,y,z,t)而不依赖于具体的化学气体。这意味着同一个足迹数据可以用来分析 CO₂、CH₄ 或其他惰性/长寿命气体的通量。广泛适用通常应用于从飞机Aircraft和高塔Towers获取的观测数据。4. STILT 传输模型标准足迹详解 (STILT Transport Model: Standard Footprint)这部分深入探讨了 STILT 模型是如何具体计算出“标准足迹”的以及这些足迹数据的具体特征。4.1 核心计算机制伴随模型等效 (Equivalent to adjoint)STILT 计算出的足迹等效于数值天气预报NWP如 WRF模型传输场的伴随矩阵。它是一种逆向追踪技术。粒子释放与运动 (Particle Release Movement)在每一个受体Receptor即观测点位置模型会释放500 个虚拟粒子。这些粒子的运动轨迹由两部分决定平均风场 (mean wind)驱动其宏观移动湍流运动 (turbulent motions)驱动其随机扩散。独立于物种 (Species independent)如前所述这种源-受体关系仅依赖于气象动力学与具体的温室气体种类无关。4.2 足迹强度的决定因素 (关键物理量)足迹的值即地表某处对观测点浓度的贡献权重是如何定量计算出来的它主要取决于以下两个因素停留时间 (Residence time)粒子在行星边界层下半部 (lower part of PBL)停留的时间越长该区域地表排放对粒子的影响就越大足迹值就越高。混合层高度 (Mixing height)足迹值与混合层高度成反比。如果混合层很低地表排放的气体被压缩在一个较小的体积内对浓度的影响就更显著反之如果混合层很高气体被稀释影响则减弱。4.3 空间分辨率与单位空间尺度大陆尺度远场通常采用0.5° x 0.5°的经纬度网格。近场 (Nearfield)为了更精确地捕捉观测点附近的强影响近场通常采用更高的0.1° x 0.1°分辨率。物理单位 (Units) - 非常重要足迹的单位是ppm / (μmol/m²s)含义解释这个单位表示如果地表某处的排放通量为 1 μmol/(m²·s)那么它将在观测点受体引起多少 ppm 的浓度变化。它是连接地表通量Flux和大气浓度Concentration的转换系数。4.4 案例展示Toolik Lake幻灯片中展示了阿拉斯加 Toolik Lake距地 100 米高空受体的 STILT 影响图。图中的热力图红色区域清晰地标明了哪些上风向区域如阿拉斯加北部对该观测点的气体浓度有着最强烈的贡献。5. 概念辨析STILT 浓度足迹 vs. 通量足迹 (Comparison with Flux Footprint)在微气象学和大气科学中有两类经常被提及的“足迹”它们适用的空间尺度和研究方法完全不同。幻灯片对此进行了重要的区分5.1 STILT 浓度足迹 (STILT concentration footprint)适用范围适合区域尺度 (Regional)及更大尺度的研究如几百到几千公里。物理意义反映的是多个上风向地表区域排放的累积效应 (Cumulative effect)。驱动因素强烈受到区域尺度平流 (regional-scale advection即大范围的风)的影响并包含随机扩散成分。对应模型WRF-STILT 等拉格朗日粒子色散模型。5.2 通量足迹 (Flux footprint)适用范围通常与涡度相关系统 (Eddy covariance)结合使用属于局地/微尺度研究。物理意义源区紧挨着观测塔的上风向通常只有几米到几百米的范围。驱动因素主要由高频的垂直风和气体浓度波动湍流涡旋Turbulent eddies决定。对应模型这种尺度远小于 WRF 模型的网格亚网格尺度通常需要使用大涡模拟LES, Large Eddy Simulation或解析足迹模型如 Kljun 或 Hsieh 模型来计算。总结对比表特征STILT 浓度足迹 (STILT Footprint)通量足迹 (Flux Footprint)空间尺度区域级到大陆级 (数十至数千公里)局地微尺度 (数米至数百米)观测手段飞机巡航、高塔大气背景浓度观测涡度相关塔 (Eddy Covariance) 高频观测核心驱动大尺度平均风场平流 边界层扩散局地高频湍流涡旋主要作用追踪远距离传输和区域累积排放贡献确定观测塔正下方及周边极小范围的直接排放6. 足迹的生成过程 (Footprints – How they are generated)生成 STILT 足迹是一个典型的两步走 (Two-step process)流程需要将气象模型与传输模型结合使用。6.1 第一步使用 WRF 模拟高分辨率气象场 (Step 1)任务运行 WRF数值天气预报模型Numerical Weather Prediction model。目的为后续的粒子追踪提供精确的三维风场、温度、湿度、边界层高度等气象驱动数据。网格设置示例 (CARVE / CARVE-CAN 项目)为了在计算成本和精度之间取得平衡通常采用嵌套网格 (Nested domains)技术。幻灯片展示了极地立体投影 (Polar stereographic grid) 下的典型设置D1 (最外层)30公里分辨率 (418x418 网格)覆盖大范围背景区域。D2 (中间层)10公里分辨率 (799x649 网格)覆盖主要研究区域如整个阿拉斯加或加拿大北部。D3 (最内层)3.3公里高分辨率 (550x550 网格)针对核心观测区域如特定的塔站密集区提供精细的局部气象模拟。垂直层通常设置较多的垂直层如 41 层以精细刻画边界层内的垂直结构。6.2 第二步将 WRF 气象场应用于 STILT 模型 (Step 2)任务运行 STILT随机时间反转拉格朗日传输模型Stochastic Time-Inverted Lagrangian Transport dispersion model。目的利用第一步生成的 WRF 气象数据反向追踪粒子的运动轨迹最终计算出足迹。7. STILT 模型概述与核心优势 (Step 2 - STILT overview)STILT 模型虽然基于著名的 NOAA/ARL HYSPLIT 代码发展而来但为了满足高精度温室气体反演的需求进行了大量的深度定制和优化。7.1 工作原理离线耦合 (Coupled offline)STILT 是一个拉格朗日粒子色散模型它在 WRF 运行完毕后“离线”读取 WRF 输出的 3D 气象场。时间反转平流 (Advect backward in time)利用 WRF 的 3D 风场驱动粒子从观测点受体向过去的时间倒退移动。随机湍流与色散 (Stochastic technique)使用随机游走技术来模拟大气中的湍流和扩散过程。7.2 针对 WRF 的 AER 增强功能 (AER enhancements)为了确保计算的严谨性特别是为了满足反演工作Inversion work的苛刻要求STILT由 AER 公司等机构开发进行了关键改进质量守恒 (Mass conservation)这是反演工作的核心前提。STILT 定制了时间平均质量场、对流质量场和通量质量场以确保在 WRF 气象场驱动下粒子的传输严格遵守质量守恒定律。7.3 高性能计算 (HPC) 优化STILT 经过优化可以在高性能计算集群上高效运行能够处理超过100,000 个受体的庞大计算任务这对于建立大规模的足迹库至关重要。7.4 STILT 相较于传统 HYSPLIT 的主要优势 (Major STILT features)幻灯片列出了当前 STILT 拥有而标准 HYSPLIT 尚未具备或实现方式不同的关键特性严格的质量守恒 (Mass conservation)如前所述这对温室气体定量反演至关重要。高级对流方案 (Convection scheme)利用 WRF 输出的对流通量如 Grell-Devenyi 或 Grell-Freitas 方案更真实地模拟粒子在对流云中的垂直混合。更复杂的湍流模块 (Complex turbulence module)引入了针对高斯湍流的反射/透射方案。这确保了当粒子穿过湍流参数发生阶跃变化的界面时仍能保持良好的混合分布状态避免了非物理的粒子聚集。考虑传输误差 (Account for transport errors)能够将风场的不确定性误差纳入气块运动的模拟中从而在最终的足迹和反演结果中反映出气象场误差带来的影响。8. 足迹库数据产品 (Footprint Library)生成足迹需要消耗大量的计算资源因此研究团队通常会预先计算好并建立“足迹库”供社区使用。8.1 数据存储与时间覆盖范围存储位置数据通常存放在 NASA Ames Lou 和 ORNL DAAC 数据中心未来也将部署在 ASC (Arctic Science Cyberinfrastructure)。数据记录周期示例CARVE 区域 (阿拉斯加本土)覆盖 2012年1月1日 至 2016年8月30日。CARVE-CAN 区域 (加拿大西北地区马更些河三角洲)覆盖 2014年5月1日 至 2017年3月30日。8.2 两种核心数据产品 (NetCDF4 格式)对于每一个“受体”Receptor即观测点和观测时间足迹库提供两种类型的文件足迹文件 (Footprint files文件前缀为foot)这是最常用的文件直接包含了足迹的敏感度网格数据。双网格设计为了兼顾大范围背景和局部细节通常包含两个网格大范围网格北纬 30° 以北区域分辨率为 0.5 度。近场网格 (Nearfield)以受体为中心大小为 3x5 度提供 0.1 度的高分辨率。传输文件 (Transport files文件前缀为stilt)包含了“稀疏化 (thinned)”的粒子轨迹文件详细描述了粒子在时间上向后移动时的具体位置。为了节省空间对足迹贡献为零的时间和位置已被剔除。该文件内部也包含了足迹场数据。由于文件较大通常需要按需申请 (Available upon request)。9. 足迹文件命名规则与大小 (Footprint file)了解文件的命名规范有助于我们快速通过文件名筛选出需要的时空数据。9.1 命名规范 (Nomenclature)以文件foot2013x12x10x16x00x64.9863Nx147.5980Wx00300.nc为例各部分含义如下foot文件类型前缀代表足迹文件。2013x12x10x16x00受体的时间 (年x月x日x时x分即 2013年12月10日 16:00)。64.9863Nx147.5980W受体的空间坐标 (纬度x经度保留4位小数)。00300受体距离地面的高度 (m AGL, Above Ground Level)。.nc文件格式 (NetCDF4)。9.2 文件大小评估 (以 10 天后向轨迹为例)单个足迹文件 (.nc)约280 KB。压缩后的单个足迹文件 (.nc.gz)约68 KB非常轻量易于传输。批量数据包 (Tarball)包含 4322 个文件的足迹压缩包约 1.3 GB而同样数量的粒子传输文件压缩包则高达 9.6 GB。这解释了为什么传输文件通常不直接提供下载而是按需索取。10. 足迹文件内部结构与核心变量 (Footprint file – Most important contents)使用ncdump -h命令可以查看 NetCDF 文件的头信息元数据。以下是足迹文件中最重要的维度和变量解析ncdump –h foot2013x07x15x00x21x71.2602Nx156.7502Wx00415.nc10.1 维度 (Dimensions)定义了数据数组的形状和大小大范围网格维度foot1lon720(经度),foot1lat120(纬度),foot1date240(时间步长)。近场高分辨率网格维度footnearfield1lon50,footnearfield1lat30,footnearfield1date24。10.2 核心变量 (Variables)受体元数据 (Receptor Info)origagl,origlat,origlon,origutctime记录了该足迹对应的受体观测点的原始高度、经纬度和 UTC 时间。坐标轴变量foot1lon,foot1lat网格的经纬度坐标。foot1date绝对时间自 2000-01-01 00:00:00 UTC 起的天数。foot1hr相对时间从 STILT 起始时间向后追溯的小时数例如 -1, -2, …, -240 小时。足迹数据变量 (最关键的数据)foot1(foot1date, foot1lat, foot1lon)大范围足迹数据。footnearfield1(footnearfield1date, footnearfield1lat, footnearfield1lon)近场高分辨率足迹数据。单位[ppm per (micromol m-2 s-1)]。这个单位非常重要它表示地表每单位通量微摩尔/平方米/秒的变化会在受体处引起多少浓度ppm的响应。在进行通量反演或浓度模拟时将这个足迹矩阵与地表通量矩阵相乘即可得到该区域对观测点浓度的贡献值。11. 足迹数据的应用模型验证 (Footprint Applications - Validation)足迹数据最核心的应用之一是验证和评估地表通量模型无论是经验模型还是基于过程的物理模型。通过将大气传输STILT足迹与地表排放/吸收通量模型结合我们可以将地表的“通量”转化为大气中的“浓度”从而与实际观测数据进行比对。11.1 通量分析方法 (Flux Analysis Method)幻灯片展示了一个典型的自上而下Top-down与自下而上Bottom-up相结合的验证流程观测端 (Measured Column Enhancements)通过飞机或高塔获取温室气体如 (\text{CO}_2, \text{CH}_4)的垂直剖面测量数据。计算残留层Residual layer的柱平均浓度并扣除背景浓度Background得到实际观测到的浓度增量。模拟端 (Modeled Column Enhancements)WRF-STILT 足迹提供地表通量对观测点影响的权重即“敏感度”。先验通量模型 (The Prior)例如图中的PVPRM-SIF极地植被光合与呼吸模型-日光诱导叶绿素荧光。该模型利用 MODIS 积雪覆盖、GOME-2 SIF、植被地图、NARR 气象数据以及涡度相关通量测量数据来估算净生态系统交换量NEE。卷积计算将“足迹”与“模拟的 NEE 通量”相乘(\text{Footprint} \times \text{Flux})即可得到模型模拟的浓度增量。比对与评估将“观测增量”与“模拟增量”相减得到模型与测量的差异Model-measure difference。通过这种差异可以验证通量模型的准确性或者评估输入到通量模型中的不同假设和数据集的优劣。注研究人员可以非常方便地将 PVPRM-SIF 替换为自己的通量模型如 CLM, SiB 等进行测试。12. 足迹文件与通量的卷积计算步骤 (Convolving Footprint Files)“卷积Convolving”在这里的物理意义是将足迹矩阵单位(\text{ppm} / (\mu\text{mol m}^{-2} \text{s}^{-1}))与地表通量矩阵单位(\mu\text{mol m}^{-2} \text{s}^{-1})在空间和时间上相乘并求和最终得到受体位置的浓度变化量单位(\text{ppm})。幻灯片提供了一个简化的 R 语言脚本 (crv.tower.convolve.src) 流程12.1 数据准备与读取读取足迹文件使用ncdf4库打开 NetCDF 格式的足迹文件。提取大范围网格的足迹数据变量foot1、经纬度坐标foot1lat,foot1lon以及时间维度foot1date例如 5 天的后向轨迹对应 120 个小时步长。加载通量模型数据加载预先计算好的过程模型 NEE 数据例如nee.pvprm.sif.2013.RData并确保其时间分辨率与足迹文件匹配。12.2 空间掩码与矩阵计算3.定义空间范围 (Spatial Extent)为了提高计算效率或针对特定研究区域定义经纬度边界例如纬度 50~75经度 -169~-120并生成逻辑掩码flat.index,flon.index。也可以使用陆地掩码Land mask剔除海洋的影响。4.计算累积足迹 (Cumulative Footprint)将筛选出的空间范围内的足迹矩阵在所有时间步长上求和得到该受体对应的总足迹敏感度。5.执行卷积 (Multiply Matrices)核心代码逻辑mm m[flon.index, flat.index, ] * nee将随时间变化的 2D 足迹矩阵与对应的 NEE 通量矩阵逐元素相乘。得出浓度增量将相乘后的矩阵mm在空间和时间维度上求总和得到最终的模拟浓度增量STILTxPVPRMSIF。12.3 输出结果解析运行脚本后结果会保存为一个 R 数据对象。加载该对象后输出的矩阵包含以下关键信息recJD (儒略日)Lat (纬度)Lon (经度)Alt (高度)Time (时间)STILT (累积足迹)STILTxPVPRMSIF (卷积浓度)1129.62564.986-147.63012013-05-10T15:00:006.9937283.916888STILT 列单位为 ([\text{ppm}/(\mu\text{mol m}^{-2} \text{s}^{-1})])。代表上游区域对该观测点的总敏感度。STILTxPVPRMSIF 列单位为 ([\text{ppm}])百万分之体积浓度。代表上游通量由 PVPRM 模型估算对该观测点造成的实际气体浓度变化量在这个例子中为增加了约 3.92 ppm。核心结论卷积计算出的场代表了由于上游通量Upstream fluxes的影响而在观测点受体引起的温室气体浓度变化。参考1、PPT-WRF-STILT Transport Modeling: An Introduction to the ASC Source-Receptor (“footprint”) Library