img img
  • CN 62-1091/P
  • ISSN 1001-8166
  • 月刊 创刊于1986年
高级检索

地球科学进展, 2019, 34(8): 842-854 doi: 10.11867/j.issn.1001-8166.2019.08.0842

综述与评述

无人机涡动相关通量观测技术研究综述

孙义博,1,2, 苏德,1,2, 全占军1, 商豪律3, 耿冰4, 林兴稳5, 荆平平6, 包扬1,2, 赵艳华1,2, 杨巍1,2

1. 中国环境科学研究院 中国环境科学研究院环境生态科学研究所 环境基准与风险评估国家重点实验室 国家环境保护区域生态过程与功能评估重点实验室,北京 100021

2. 井冈山生态环境综合观测研究站,江西 井冈山 343699

3. 中国科学院空天信息研究院数字地球重点实验室,北京 100094

4. 中国社会科学院城市发展与环境研究所,北京 100028

5. 浙江师范大学地理与环境科学学院,浙江 金华 321004

6. 国家海洋技术中心,天津 300112

Overview of the UAV—Based Eddy Covariance Fluxes Measurements Technique

Sun Yibo,1,2, Su De,1,2, Quan Zhanjun1, Shang Haolü3, Geng Bing4, Lin Xingwen5, Jing Pingping6, Bao Yang1,2, Zhao Yanhua1,2, Yang Wei1,2

1. Institute of Environmental Ecology, State Key Laboratory of Environmental Criteria and Risk Assessment, State Environment Protection Key Laboratory of Regional Eco-Process and Function Assessment, Chinese Research Academy of Environmental Sciences, Beijing 100021, China

2. Integrated Ecological Observation and Research Station of Jinggangshan, Jinggangshan Jiangxi 343699, China

3. Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China

4. Institute for Urban and Environment Studies, Chinese Academy of Social Sciences, Beijing 100028, China

5. College of Geography and Environment Science, Zhejiang Normal University, Jinhua Zhejiang 321004, China

6. National Ocean Technology Center, Tianjin 300112, China

通讯作者: 苏德(1972-),男,内蒙古赤峰人,研究员,主要从事区域生态监测与评估、生态规划与设计的研究. E-mail: sude@craes.org.cn

收稿日期: 2019-04-21   修回日期: 2019-06-26   网络出版日期: 2019-09-20

基金资助: 国家重点研发计划项目“长三角城市群生态安全评估与风险预测预警技术”.  2016YFC0502702
生态环境部生态环境保护监管项目“生物多样性调查与评估”.  2019HJ2096001006

Corresponding authors: Su De (1972-), male, Chifeng City, Inner Mongolia Autonomous Region, Professor. Research areas include regional ecological monitoring and assessment, and ecological planning and design. E-mail: sude@craes.org.cn

Received: 2019-04-21   Revised: 2019-06-26   Online: 2019-09-20

作者简介 About authors

孙义博(1988-),男,内蒙古鄂尔多斯人,博士后,主要从事陆面过程观测与建模的研究.E-mail:sunyb68@163.com , E-mail:sunyb68@163.com

摘要

机载涡动相关方法是进行区域尺度地表通量观测最有效的方式之一,其观测的空间尺度与陆面过程模式的网格尺度以及遥感影像的像元尺度一致,对区域及全球尺度地表通量模拟等研究具有重要意义。基于无人机的涡动相关方法能够实现对地表通量的多时段和多架次观测,成本低廉且观测结果可靠,是机载通量观测技术的一个重要发展方向。在介绍机载涡动相关方法主要技术特点的基础上,综述了现有无人机通量观测系统的研究进展,包括无人机特征及搭载的主要观测仪器类型,典型无人机通量观测系统的集成方式及其观测案例的讨论和分析。然后介绍了影响无人机通量观测的主要不确定性来源,最后对目前无人机通量观测系统的不足进行了总结,并对其发展前景进行了展望。

关键词: 机载涡动相关 ; 无人机 ; 系统集成 ; 通量观测 ; 区域尺度

Abstract

Airborne Eddy Covariance (EC) method is one of the most effective ways to measure the turbulent fluxes over regional scale directly. The turbulent fluxes from airborne EC method have the same spatial scale with the pixel scale of remote sensing image and the grid scale of land-surface models, which is very important for the simulation of regional or global land-surface fluxes. UAV-based eddy covariance method could achieve the observation of turbulent fluxes in a multi-period and multi-sorties way, and the observation result is reliable and the application is inexpensive. It is an important development direction for airborne flux observation technique. After the introduction of the main technical characteristics of the airborne EC method, this paper reviewed the worldwide progress in UAV-based fluxes measurements system from these aspects of the specifications of the UAVs, the integrated instruments, and the analysis of the application cases. Then, the main sources of uncertainty affecting the UAV-based fluxes measurements were discussed. At last, the shortcomings of the current UAV-based flux observation system were summarized. A brief outlook about UAV-based fluxes measurements technique was also given.

Keywords: Airborne Eddy Covariance ; UAV ; System integration ; Fluxes measurements ; Regional scale.

PDF (6695KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

孙义博, 苏德, 全占军, 商豪律, 耿冰, 林兴稳, 荆平平, 包扬, 赵艳华, 杨巍. 无人机涡动相关通量观测技术研究综述. 地球科学进展[J], 2019, 34(8): 842-854 doi:10.11867/j.issn.1001-8166.2019.08.0842

Sun Yibo. Overview of the UAV—Based Eddy Covariance Fluxes Measurements Technique. Advances in Earth Science[J], 2019, 34(8): 842-854 doi:10.11867/j.issn.1001-8166.2019.08.0842

1 引 言

区域尺度(1~10 km2)地表通量数据的获取对天气气候预报、生态系统过程、水资源管理等领域的科学研究具有重要意义[1,2],是大气科学、地理学、水文学及生态学等研究领域共同关注的热点与难点。因自然植被、地形地貌及气候等条件的多样性和复杂性,地表通量存在着强烈的空间异质性,传统“点”尺度的地表通量观测无法反映地表通量在区域上的非均一性,极大地制约了区域或全球尺度地表通量模拟模型的发展[3,4]。获取与遥感像元或陆面过程模式网格尺度一致的地表通量观测真值,是提高区域或全球尺度地表通量模拟精度的重要基础[5,6]

目前,区域尺度地表通量的直接观测仍然非常困难。传统塔基涡动相关(tower-based eddy covariance)方法观测的地表通量只能代表观测塔周围几十至数百米的空间区域,被认为是“点”尺度或斑块尺度的观测[7]。通过组合多套通量观测仪器形成观测网络或观测矩阵,采用空间扩展方法可获得区域尺度的地表通量均值,但该方法忽略了下垫面之间的相互作用以及大气条件对湍流发展的影响,在复杂下垫面上的应用会存在一定的局限性[8]。大孔径闪烁仪(Large Aperture Scintillometer,LAS)结合微波闪烁仪(Microwave Scintillometer,MWS)的双波长闪烁仪(Optical-Microwave Scintillometer,OMS)法能够同时提供公里级别光路上的平均地表感热和潜热通量的直接观测值[9],且观测尺度与遥感像元及陆面过程模式网格尺度一致[10,11],但存在观测密度低、建设投入大等缺点,无法满足大范围区域地表通量覆盖的应用需要[12]。机载涡动相关(airborne eddy covariance)方法是大区域尺度(1个飞行架次约为数百平方公里范围)地表通量观测的一种有效方式[13,14],但目前机载通量观测主要采用有人驾驶飞行器搭载精密的涡动相关仪器完成,其空域申请流程繁琐,飞机的维护成本、运输成本和飞行成本极高,实施一次机载通量观测需要投入大量的人力和物力,极大地限制了机载通量观测大规模地开展。

采用无人机搭载涡动相关仪器进行通量观测是解决目前区域尺度地表通量观测困难的有效途径之一。近年来,随着无人机技术的快速发展以及轻小型、高精度、快速响应涡动相关仪器的出现,基于无人机的通量观测技术越来越多地被人们所采用[15,16,17]。借助无人机灵活、低成本、易实施、安全性高等优点,无人机涡动相关方法能够实现对地表通量的多时段、多架次以及多区域的灵活观测,是传统有人驾驶飞行器通量观测技术的有效补充[18]。自20世纪70年代机载通量观测技术被提出以来[19,20,21],经过近50年的发展,目前以SkyArrow 650 ERA(Environmental Research Aircraft)为代表的有人驾驶飞行器通量观测技术已经成熟并实现了商业化应用[22,23]。同时伴随着无人驾驶技术的发展,基于无人机的通量观测方法于20世纪90年代就被提出[24],但早期的无人机通量观测技术沿用了有人驾驶飞行器的方式,观测系统结构庞大,难以推广。近年来,随着无人机技术的快速发展以及传感器轻小型化的发展趋势,以van den Kroonenberg等[25]集成的M2AV(Meteorological mini UAV)小型气象观测无人机为代表的无人机通量观测系统开始逐渐被人们采用,但限于无人机有限的荷载能力,可观测的变量仅包括三维风速和大气温度脉动。Thomas等[26]采用高性能高荷载无人机Manta作为通量观测平台并集成高响应的水汽浓度观测设备,用于对湍流潜热通量进行观测。同期,Reineman等[27]集成了Manta C1及ScanEagle无人机通量观测平台并搭载了更多类型的观测设备,对大气风速、温度脉动、水汽浓度脉动进行观测,并同时测量大气辐射、地表/海面温度等信息,观测能力及性能与传统有人驾驶飞行器相当,表现出了无人机通量观测技术的巨大潜力。根据无人机的载荷不同,目前国外已有了大型、中型、轻型多种类型的无人机通量观测系统[18,28],对无人机通量观测的有效性也进行了大量的验证工作[27,29,30]并在多个野外观测实验中得到了广泛应用,例如BLLAST(Boundary Layer Late Afternoon and Sunset Turbulence)[31]、MAC(Maldives Autonomous unmanned aerial vehicle Campaign)[32]、CLOUD-MAP(Collaboration Leading Operational UAS Development for Meteorology and Atmospheric Physics)[16]等。在我国,由于早期传感器技术发展较为滞后,对机载通量观测技术的研究开展的相对较晚[33],目前还没有无人机通量观测系统的集成及应用的案例。

本文通过对无人机通量观测系统进行深入研究,首先对机载涡动相关方法的主要技术特点进行详细说明。然后以无人机荷载能力为分类依据,对现有不同类型的无人机通量观测系统的无人机特征及搭载的主要观测仪器进行了介绍,对典型无人机通量观测系统的集成方式及其观测结果进行了讨论和分析,并对影响无人机观测性能的主要不确定性来源进行了说明,最后指出当前无人机通量观测系统的不足,并对未来无人机通量观测技术的发展前景进行了展望。

2 机载通量观测的主要技术特点

机载通量观测是以涡动相关方法为基本原理,飞行平台在距地面一定高度的常通量层内以大于风速的飞行速度对大气湍流进行主动采样,短时间内形成对湍流在空间上的线性采样序列,可展现出观测区域的瞬时湍流场[13]。机载通量观测的数据处理流程如图1所示,首先对观测的原始数据进行预处理,剔除检测到的“野点”数据并进行插补,然后根据机载多孔湍流探头测量的相对风速和GPS/INS测量的位置、速度和姿态等信息计算地球坐标系下的三维风速,然后对三维风速进行坐标旋转、计算湍流数据的空间平均并获得湍流脉动数据,最后根据涡动相关方法计算并订正湍流通量[34]。与传统地面涡动相关方法相比,机载通量观测的主要技术特点在于对风速的测量方式以及湍流变量均值的计算两个方面。

图1

图1   机载涡动相关方法数据处理流程

Fig.1   The flowchart of airborne Eddy Covariance method


2.1 基于机载多孔湍流探头的风速计算

机载涡动相关方法对风速的测量是采用半球形机载多孔湍流探头完成,通过测量大气湍流通过半球形多孔探头时造成探头表面压力分布的差异来计算三维风速。由于在观测中飞行器的位置、姿态和速度是时刻变化的,因此,对风速的测量是在一个动态观测框架(湍流探头坐标系)下进行的,需要将湍流探头坐标系下测量的风速转换到地球坐标系统下,坐标转换原理如图2所示,转换公式为:

U=GUa+wp×r+Up

式中:U为地球参考坐标系下的三维风速矢量(m/s),G为由姿态角计算的坐标旋转矩阵,Ua为湍流探头坐标系下测量的三维风速矢量,wp为瞬时角速度(rad/s),r为无人机重心与湍流探头中心之间的距离矢量(m),Up为湍流探头在地球坐标系下的速度矢量(m/s),wp×r项描述机身的杠杆运动对风速测量的影响。在实际观测中,Ua由多孔湍流探头通过压力测量转换为三维风速获得;Upwp由GPS/INS直接给出,旋转矩阵G由GPS/INS测量的姿态角(θmφmψm)计算获得,其中θm为俯仰角,φm为横滚角,ψm为航向角。

图2

图2   湍流探头坐标系与地球坐标系转换示意图

Fig.2   Diagram of coordinate transformation between turbulent probe coordinate system and Earth coordinate system

绿色代表地球坐标系统,黑色代表湍流探头坐标系统,红色矢量代表风速The blue axis represents the Earth's reference frame, green axis represents the probe's coordinate system, and the red vector indicated the wind speed


湍流探头坐标系下风速的测量如图2中红色矢量所示。目前针对不同类型的多孔湍流探头有多种不同形式的风速计算方法,但基本原理相同,即通过湍流探头获得的总压和静压之差,根据伯努利方程计算风速的量值(Ua);通过测量湍流探头上y轴与z轴的压力差分别计算风速的攻角(α)和侧滑角(β[35,36];最后湍流探头坐标系下三维风速可表达为:

Ua=uavawa= -Uacosα cosβUacosα sinβUasinα

然后将公式(2)得到的相对风速带入公式(1)即可获得地球坐标系下的三维风速矢量。在具体实施中,机载多孔湍流探头通常需要在风洞进行校准并通过特定的飞行校准过程获得其安装误差后才可保证风速测量的精确性[37,38,39]

2.2 湍流变量空间平均的计算

机载通量观测的另一个主要技术特点是采用空间平均的方式计算湍流通量。对于机载通量观测而言,若能够保持恒定的观测速度,理论上可以采用时间平均计算湍流通量。但是,由于大气湍流的复杂性,飞行器为保持稳定的观测高度,就无法保持匀速飞行,若采用时间平均的方式计算湍流通量会对计算结果产生高达20%的偏差,而采用空间平均的方式能够有效修正由于飞行速度变化带来的观测误差[40]。以垂直风速(w)为例,空间平均可表示为:

w¯=1Up¯TiwiUpit

式中:Upi为飞行的瞬时对地速度(m/s),Up¯为飞行的平均速度(m/s),t为时间增量(s),T为时间总长(s)。涉及通量计算的所有湍流变量都需要用这种方式进行平均值的计算,然后便可根据常规的涡动相关方法进行湍流通量的计算及订正[13,34]

3 无人机涡动相关通量观测技术研究进展

在机型的选择方面,为避免由于无人机动力装置及机体自身对湍流的扰动造成对观测的影响,通常采用后推式固定翼无人机作为观测平台,并且将机载多孔湍流探头安装在无人机前部的“机鼻”处,向外伸出一定距离,使湍流探头尽可能直接与未受扰动的湍流接触。根据无人机载荷能力的不同,无人机通量观测系统可以分为轻型、中型和大型3类,各类型特点详述如下。

3.1 轻型无人机通量观测系统

轻型无人机的起飞重量一般在1 kg以下,续航时间通常小于1 h,飞行距离在50 km以内,通常只能搭载微小型观测设备。在通量观测方面,轻型无人机一般仅搭载多孔湍流探头进行风速的观测,获取与湍流风速有关的动量通量与摩擦风速。同时,轻型无人机还可搭载电容式温湿度传感器等轻型电子模块对大气温湿度等参数进行观测[41]。具有代表性的观测系统为SUMO(Small Unmanned Meteorological Observer),其机身翼展为0.8 m,巡航速度为15 m/s,最大起飞重量为0.65 kg,可搭载0.14 kg观测仪器[42]。如图3所示,目前SUMO搭载的主要涡动相关仪器为5孔湍流探头,用于测量高频率(100 Hz)三维风速,其实时位置、姿态及速度等信息直接由自动驾驶仪给出。此外SUMO还搭载有电容式数字温湿传感器(Sensirion,SHT 75)、铂电阻温度计(Heraeus M222 PT 1000)、气压计(VTI,SCP1000)以及热电堆红外传感器(MLX90247)用于测量地表温度。由于SUMO的机身极轻,飞行中易受湍流风的影响而产生较大幅度颠簸,从而使观测到的风速常出现异常波动。为弥补机身震动带来的风速测量误差,轻型无人机观测的原始数据一般需要进行平滑滤波处理,抑制噪声对观测的影响[42,43,44]

图3

图3   SUMO无人机通量观测设备[42]

Fig.3   SUMO instrumented for turbulence fluxes measurements[42]


目前,以SUMO为代表的轻型无人机观测系统已广泛地应用于风场观测、大气边界层研究以及模型验证等多个方面[41,45]图4为SUMO在BLLAST实验期间的4个飞行架次所获得的三维风速方差(σUσVσW)和湍流动能(Turbulence Kinetic Energy,TKE)的均值与附近60 m观测塔超声风速仪观测结果(10 min平均,与SUMO一个直线飞行的时间对应)的对比。可以看出SUMO的观测结果与地面塔基超声风速仪观测结果的一致性较好,SUMO的观测结果略高于超声风速仪,其原因可能有3个方面:观测源区的不同,即地面塔基超声风速仪的源区仅与观测塔周围数百米范围的地表、大气及风速有关,而SUMO的源区与飞行位置有关,观测源区是实时变化的,受地表异质性的影响更为显著;SUMO的观测轨迹与塔基超声风速仪之间的空间位置不同,即SUMO的飞行轨迹需要与观测塔保持一定的安全距离;采用的计算湍流均值的策略不同,即地面塔基超声风速仪是基于时间的平均,而SUMO是基于空间的平均[43]

图4

图4   SUMO观测的三维风速方差与湍流动能的均值与60 m观测塔超声风速计观测结果的对比[43]

Fig.4   Averaged standard deviations of 3-dimension wind (σU,σV,σW) and averaged Turbulence Kinetic Energy (TKE) from SUMO against the observed results from sonic anemometer of the 60 m meteorological tower[43]


3.2 中型无人机通量观测系统

中型无人机的起飞重量一般为1~10 kg,载荷一般小于3 kg,续航时间常在2 h以内,飞行距离一般在100 km左右,一般能够搭载关键的涡动相关设备进行观测。具有代表性的观测系统有Tempest[46],M2AV(Meteorological mini unmanned aerial vehicle)[25],MASC(Multi-purpose automatic sensor carrier)[37,47],Skywalker X6[38]以及OVLI-TA(Objet Volant Leger Instrumenté-Turbulence Atmosphérique)[35]。以上各中型通量观测系统的无人机主要性能如表1所示。

表1   用于涡动相关观测的中型无人机的主要性能

Table 1  Specifications of medium UAV used in Eddy Covariance fluxes observation

型号最大起飞重量/kg有效载荷/kg翼展/m续航时间/min巡航速度/(m/s)
Tempest3.22.26.89025
M2AV6.01.52.04522
MASC4.01.02.19022
Skywalker X62.50.51.53016
OVLI-TA3.51.252.612016

新窗口打开| 下载CSV


相比轻型无人机通量观测系统,中型无人机的有效航程可以满足对较大尺度湍涡的采样,通过搭载的多孔湍流探头以及快速响应的大气温度探针(热电偶/热电阻探针),可获得湍流感热通量观测值。表2汇总了上述中型无人机通量观测系统所搭载的主要传感器类型。以M2AV无人机观测系统为例(图5),其有效荷载为1.5 kg,主要搭载了5孔湍流探头、热电偶探针以及大气温湿度传感器。观测系统的位置、速度以及姿态信息由无人机自动驾驶系统给出,自驾系统内部集成了高性能的惯性测量单元,并且内置了数据融合算法与GPS定位数据深度耦合,给出精确的位置和姿态信息。

表2   中型无人机搭载的涡动相关观测仪器及其他观测设备汇总

Table 2  Summary of the major Eddy Covariance payload and other sensors carried on the medium UAV

型号风速位置姿态温度湿度压强其他观测变量
M2AV5孔湍流探头自驾系统(MINC)给出

热电偶

温湿传感器探针(Vaisala,HMP50)

温湿传感器探针(Vaisala,HMP50)5孔湍流探头感热、风速、风向、大气温度/湿度、气压
MASC5孔湍流探头GPS/IMU (SBG, IG500N)

热电偶

电阻温度计

电容式相对湿度传感器(P14-Rapid,IST)气压计(HCA-BARO)感热、风速、风向、相对湿度、气压
Skywalker X65孔湍流探头GPS/INS (Lord Sensing Microstrain 3DM-GX4-45)铂电阻温度计电容式相对湿度传感器(P14-Rapid,IST)气压计(model 15PSI-A-HGRADESMINI, All Sensors)辐射计(LI-COR LI200R)感热、风速、风向、相对湿度、气压、辐射
OVLI-TA5孔湍流探头GPS,IMU (ADIS16448)数字温湿传感器(Sensirion, SHT75)数字温湿传感器(Sensirion, SHT75)皮托管风速、风向、大气温度/湿度、气压

新窗口打开| 下载CSV


图5

图5   M2AV无人机通量观测设备[48]

Fig.5   M2AV instrumented for turbulence fluxes measurements[48]


在通量观测方面,M2AV能够对感热通量进行直接观测,其搭载的大气温湿度传感器能够以1 s的时间间隔精确地测量大气温度以及相对湿度,更多地应用于对大气风速、温度和湿廓线的观测[49,50,51]。例如,图6为M2AV观测的温度(图6a)、湿度(图6b)和风速(图6c)廓线与塔基(Tower)、廓线雷达(Sodar/RASS和wind profiler/RASS)、微波辐射计(Microwave Radiometer profiler和MWRP)以及无线电探空仪(Radiosonde)等其他方法的对比。通过对比可以看出,M2AV观测的温度、湿度和风廓线与其他方法的观测非常一致。对于湿度廓线(图6b)在距地面200 m以上M2AV的观测结果与微波辐射计观测和无线电探空仪观测出现了较为明显的不一致,这是由于无线电探空仪与M2AV观测的时间和位置不同(时间上相差2 h,空间上相差5 km)以及微波辐射计的空间分辨率差,无法获得准确的大气湿度廓线信息所导致[49]

图6

图6   M2AV观测的温度(a)、湿度(b)和风速(c)廓线与塔、廓线雷达、微波辐射计以及无线电探空仪观测的对比[49]

Fig.6   Vertical profiles of virtual temperature(a), relative humidity(b) and wind speed(c) measured by M2AV, sodar/RASS, wind profiler/RASS, tower, microwave radiometer profiler and radiosonde[49]


3.3 大型无人机通量观测系统

大型无人机的起飞重量一般在10 kg以上,通常能够搭载3 kg以上的观测设备,续航时间一般在2~5 h,飞行距离可达300 km,可搭载包括涡动相关观测设备在内的多种类型观测设备,实现对湍流变量、辐射以及地表参数的多要素观测。目前代表性的观测系统有UMARS2(Unmanned Modular Airborne Research System)[52],Manta[26],Manta C1[28],ScanEagle[28,53]和ALADINA(Application of Light-weight Aircraft for Detecting IN situ Aerosol)[54,55],各系统无人机的主要特征如表3所示。

表3   用于涡动相关通量观测的大型无人机主要性能指标

Table 3  Specifications of large UAV used in Eddy Covariance fluxes observation

型号最大起飞重量/kg有效载荷/kg翼展/m续航时间/min巡航速度/(m/s)
UMARS230.010.05.024022
Manta27.75.02.630023~33
Manta C127.76.82.730023~33
ScanEagle22.05.63.1166028~31
ALADINA25.03.03.66025~28

新窗口打开| 下载CSV


相比中轻型无人机,大型无人机通量观测系统在集成了涡动相关观测仪器(包括多孔湍流探头、快速响应的大气温度和水汽密度传感器)的同时,还可搭载高精度的GPS/INS测量单元、辐射计、测高仪、大气温湿度传感器以及光学相机等进行多要素同步观测,表4汇总了上述大型无人机通量观测系统所搭载的主要仪器类型。以Manta C1为例,如图7所示,其搭载的主要通量观测仪器包括9孔湍流探头,测量湍流探头坐标下的三维风速;GPS/INS测量单元,用于给出飞行器精确的实时位置、姿态和速度;快速响应光学测温探针,测量高频率的大气温度脉动数据用于感热通量的计算;快速响应水汽浓度传感器(氪湿度计,KH20),测量高频率的大气水汽浓度脉动用于潜热通量的计算。同时,Manta C1还搭载了大气温湿度探针(Vaisala HMP45C),用于廓线观测的温湿数据采集;激光测高仪,测量无人机与地面的相对高度,辅助控制无人机与地面的相对高度保持恒定;辐射计,测量大气长短波辐射,用于后期通量观测结果的分析;高分辨率数字相机,用于获得与通量观测同步的地表影像。对观测设备的控制是由独立于无人机的自驾系统的小型计算机完成,计算机内安装数据采集软件对所有仪器的观测数据进行同步采集并保存。同时,为了监控观测系统的运行状态,Manta C1还将主要观测数据实时发送给地面人员进行监控。

表4   大型无人机搭载的主要涡动相关观测仪器及其他观测设备汇总

Table 4  Summary of the major Eddy Covariance payload and other sensors carried on the large UAV

型号风速位置姿态温度湿度压强其他传感器主要观测变量
UMARS25孔湍流探头IMU (xsense MTi-G)热电偶,热敏电阻露点湿度计 (Meteolabor AG 'Snow White')5孔湍流探头感热、风速、风向、相对湿度、大气压强
Manta5孔湍流探头GPS/INS (C-Migits-Ⅲ)电阻式湿度传感器(Honeywell HIH-4602-C)

氪湿度计(Campbell),

电阻式湿度传感器(Honeywell HIH-4602-C)

5孔湍流探头激光测高仪潜热、风速、风向、大气温度/湿度、气压
Manta C19孔湍流探头IMU (Honeywell, HG1700 AG58),GPS (NovAtel OEMV-3 RTK-DGPS),NovAtel SPAN circuitry(用于GPS和IMU数据耦合)光纤温度探针,温湿传感器探针(Vaisala, HMP45C)

氪湿度计(Campbell),

温湿传感器探针(Vaisala, HMP45C)

9孔湍流探头激光测高仪、辐射传感器、数码相机感热、潜热、风速、风向、大气温度/湿度、气压、辐射
ScanEagle9孔湍流探头IMU (Northrop Grumman, LN200),GPS (NovAtel OEMV-3 RTK-DGPS),NovAtel SPAN circuitry(同于GPS和IMU数据耦合)光纤温度探针,温湿传感器探针(Vaisala, HMP45C)

氪湿度计(Campbell),

温湿传感器探针(Vaisala,HMP45C)

9孔湍流探头辐射传感器、数码相机、红外相机、海面温度传感器、激光测高仪感热、潜热、风速、风向、大气温度/湿度、气压、辐射、海面温度
ALADINA5孔湍流探头GPS/IMU (SBG, IG500N)热电偶,铂电阻温度计,温湿传感器探针(Vaisala, HMP110)温湿传感器探针(Vaisala,HMP110)5孔湍流探头气溶胶测量装置、黑炭测量装置、辐射测量传感器感热、风速、风向、大气温度/湿度、气压、辐射

新窗口打开| 下载CSV


图7

图7   Manta C1无人机通量观测设备[28]

Fig.7   Manta C1 instruments for turbulence fluxes measurements[28]


Manta C1的观测能力已与传统有人驾驶飞行器通量观测系统相当,能够同时对感热通量、潜热通量、辐射以及地表温度等多个要素进行观测。Reineman等[27]将Manta C1与2套地面涡动相关设备安装在卡车上,在高速公路上以26 m/s的速度模拟飞行观测环境,对这2种观测方法进行对比。结果如图8所示,其中顺风向动量通量的平均均方根(Root-Mean-Squared,RMS)差异为0.035 N/m2图8a),侧风向动量通量的RMS差异为0.012 N/m2图8b),潜热通量的RMS差异为2.4 W/m2图8c)[28],表明了Manta C1在通量观测方面非常高的可靠性。

图8

图8   Manta C1观测的动量通量(ab)和潜热通量(c)与2套地面涡相关设备(Sonic 1, Sonic 2)观测的对比[28]

Fig. 8   Comparison of the momentum (a, b) and latent heat (c) fluxes measured by Manta C1 with those measured by instruments of ground-based Eddy Covariance (Sonic 1, Sonic 2) during ground-vehicle-based tests[28]


4 无人机涡动相关方法的主要不确定性来源

4.1 风速测量的不确定性

作为涡动相关方法的关键变量,风速的测量精度是制约机载涡动相关方法观测精度的主要因素[56]。Elston等[18]给出了影响无人机风速测量精度的主要因素,包括:多孔机载湍流探头的风速测量性能;GPS/INS测量单元的航向及姿态角的测量精度;GPS与INS数据的耦合精度。近年来已出现了多款适合无人机搭载的多孔湍流探头以及高精度轻小型的GPS/INS设备,表5汇总了目前无人机搭载较多的3款多孔湍流探头及其主要性能指标。可以看出,在考虑GPS/INS测量误差后的多孔湍流探头风速测量精度基本均能满足涡动相关观测的应用需要,并且已出现的9孔湍流探头的测量精度与传统大型多孔湍流探头的测量精度相当[57,58],充分保障了基于无人机的涡动相关方法进行通量观测的可行性。

表5   主要无人机风速测量的多孔机载湍流探头汇总

Table 5  Summary of the multi-hole probe used by UAV-based wind measurement

类型5孔湍流探头5孔湍流探头9孔湍流探头
制造商Aeroprobe

Institute of Fluid Dynamics

(TU Braunschweig)

University of California
探头直径/mm6.35625.4
频率响应(最高)/Hz100100100
搭载的无人机通量观测系统Manta,SUMO,Tempest,Skywalker X6M2AV,ALADINA,MASCManta C1,ScanEagle

典型系统的风速测量精度(考虑

GPS/INS误差)/(m/s)

0.17[26]0.5[25]0.021[28]

新窗口打开| 下载CSV


4.2 环境因素引起的不确定性

由于机载通量观测所覆盖空间范围(足迹区域)往往可达数平方公里,通常难以保证下垫面的均一性[50],同时受大气条件的影响也非常显著,尤其是中尺度大气运动的影响[59]。有研究表明,在飞行观测高度为35 m的情况下,即使在下垫面非常均一的海面且稳态的大气条件,中尺度大气运动对湍流通量观测的影响也可高达20%[60];同样在地表异质性的影响下,机载通量观测结果与地表通量塔观测的差异也可能高达20%[61]

在接近地表的近地层(高度约为大气边界层的10%)内进行观测可有效降低环境因素对机载通量观测的影响[62]。Vellinga等[14]基于有人驾驶飞行器SkyArrow 650通量观测飞机研究了不同高度通量观测结果与地面观测的差异后指出,在相对地面85 m的高度观测的通量与塔基观测相比,对水热通量约低估20 W/m2,对CO2通量约低估2 μmol/(m2·s),并且随着观测高度的增高,与地面观测的差异也基本呈线性增大。通常对于有人驾驶飞行器而言,为遵守目视飞行规则并保证飞行安全的前提下,一般难以持续的在近地层内飞行。而无人机一般不受有人驾驶飞行器的高度限制,能够自主的在近地层内非常接近地表的高度进行长期飞行观测,也使无人机成为了机载通量观测技术中较为理想的观测平台[63]

4.3 计算过程带来的不确定性

对原始观测数据的处理以及湍流通量的计算过程均会对观测结果带来一定的不确定性。中轻型无人机易受湍流影响产生明显颠簸,通常需要对原始数据进行滤波处理[39],抑制由于机身颠簸对原始观测数据带来的误差。此外,还需对原始观测数据进行“野点”检测,剔除异常观测数据并对缺失数据进行插补[34]

空间平均长度(窗口长度)的选取是湍流通量观测结果不确定性的另一个主要来源[64],与观测高度、地表粗糙度及大气稳定度等因素有关[13]。对窗口长度的选择一般要求其足够长以能够包含所有对通量有重要贡献的湍涡;同时要求其足够短,以避免引入中尺度湍涡的影响[65,66]。此外,不同的研究目的对窗口长度的选择也有不同的要求。例如,在陆面过程研究中,需要充分考虑地表异质性的影响,尽量选择较短的窗口长度;在地表能量平衡研究时需要考虑大湍涡的通量贡献,尽量选择较长的窗口长度。Sun等[59]采用Ogive分析方法根据不同的大气稳定度(ζ)给出了针对陆面过程研究的窗口长度的选择范围,即在近中性条件下(-0.2ζ0.2)应为2 000~2 500 m,在一般不稳定条件下(-1ζ<-0.2)应为3 900~5 000 m,在强不稳定条件下(ζ<-1)应为4 500~5 000 m,在此区间的窗口长度既可基本保证通量计算结果的相对不确定性在50%以下,又可保证计算结果具有良好的地面代表性。

5 结论与展望

区域尺度(1~10 km2)的地表通量观测一直是大气科学、地理学、水文学及生态等学科领域研究中的重点与难点。基于无人机涡动相关方法的通量观测技术作为新一代的机载通量观测方法,能够实现对大区域范围地表通量的多时段、多架次观测,并显著降低观测成本。目前,国外已有了多种类型的无人机通量观测系统,并对观测系统的可行性及可靠性进行了大量的论证工作,极大地推动了无人机通量观测技术的发展。但目前的无人机通量观测技术仍有一定的不足,主要有:当前的无人机通量观测主要以水热通量观测为主,缺乏对大气微量物质通量交换(例如CO2)的观测,一定程度上限制了无人机通量观测技术的应用和推广;对中型和轻型无人机,由于飞行距离有限无法对大尺度湍涡进行充分采样;无人机观测的平稳性,尤其是中型和轻型无人机更易受湍流的影响产生颠簸,需要采用额外的手段来弥补原始数据中噪声的影响。

通过本文可以发现,大型无人机无论是在稳定性还是荷载方面均是进行无人机通量观测较为理想的观测平台,并且随着观测仪器的快速发展,通过搭载更多种类型的观测仪器,未来将会同时具备对生态系统水热通量、大气微量物质通量(例如CO2通量)、辐射通量以及地表参数的多要素综合观测能力,使研究人员能够以最小的观测成本以及灵便的方式快速完成对大区域范围(一个飞行架次近百平方公里)关键生态要素的快速观测。同时,中型和轻型无人机作为大型无人机通量观测的有效补充,在观测费用及机动性方面将进一步提高无人机在通量观测方面的应用潜力。可以预见,随着无人机技术的持续发展以及传感器轻小型化的发展趋势,基于无人机的通量观测技术将逐渐发展成为区域尺度地表通量观测的一种有效且通用的方法,为大区域尺度生态系统过程等研究提供关键的数据支撑,并促进相关学科研究的发展。

参考文献

Liu Shaomin , Li Xiaowen , Shi Shengjin , et al .

Measurement, analysis and application of surface energy and water vapor fluxes at large scale

[J]. Advances in Earth Science,2010, 25(11): 1 113-1 127.

[本文引用: 1]

刘绍民李小文施生锦 .

大尺度地表水热通量的观测、分析与应用

[J]. 地球科学进展, 2010, 25(11): 1 113-1 127.

[本文引用: 1]

Bai J , Jia L , Liu S , et al .

Characterizing the footprint of eddy covariance system and large aperture scintillometer measurements to validate satellite-based surface fluxes

[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(5): 943-947.

[本文引用: 1]

Ma Y , Menenti M , Feddes R , et al .

Analysis of the land surface heterogeneity and its impact on atmospheric variables and the aerodynamic and thermodynamic roughness lengths

[J]. Journal of Geophysical Research: Atmospheres, 2008, 113(D8).DOI:10.1029/2007JD009124 .

[本文引用: 1]

Xu F , Wang W , Wang J , et al .

Area-averaged evapotranspiration over a heterogeneous land surface: Aggregation of multi-point EC flux measurements with high-resolution land-cover map and footprint analysis

[J]. Hydrology and Earth System Sciences, 2017, 21(8): 4 037-4 051.

[本文引用: 1]

Sun G , Hu Z , Sun F , et al .

An analysis on the influence of spatial scales on sensible heat fluxes in the north Tibetan Plateau based on Eddy covariance and large aperture scintillometer data

[J]. Theoretical and Applied Climatology, 2016, 129(3): 965-976.

[本文引用: 1]

Cammalleri C , Anderson M C , Kustas W P .

Upscaling of evapotranspiration fluxes from instantaneous to daytime scales for thermal remote sensing applications

[J]. Hydrology and Earth System Sciences, 2014, 18(5): 1 885-1 894.

[本文引用: 1]

Zhou Yanzhao , Li Xin .

Progress in the energy closure of eddy covariance systems

[J]. Advance in Earth Sciences,2018, 33(9): 898-913.

[本文引用: 1]

周彦昭李新 .

涡动相关能量闭合问题的研究进展

[J]. 地球科学进展, 2018, 33(9): 898-913.

[本文引用: 1]

Li Xin , Jin Rui , Liu Shaomin , et al .

Upscaling research in HiWATER: Progress and prospects

[J]. Journal of Remote Sensing,2016, 20(5): 921-932.

[本文引用: 1]

李新晋锐刘绍民 .

黑河遥感试验中尺度上推研究的进展与前瞻

[J]. 遥感学报, 2016, 20(5): 921-932.

[本文引用: 1]

Li Huaixiang , Liu Shaomin , Shi Shengjin , et al .

Assessing the performance of domestic optical large aperture scintillometer under different environment conditions

[J]. Plateau Meteorology,2017, 36(2): 575-585.

[本文引用: 1]

李怀香刘绍民施生锦 .

国产光学型大孔径闪烁仪的技术性能分析

[J]. 高原气象, 2017, 36(2): 575-585.

[本文引用: 1]

Zhang Gong , Zheng Ning , Zhang Jinsong , et al .

Advances in the study of regional-averaged evapotranspiration using the scintillation method

[J]. Acta Ecologica Sinica,2018, 38(8): 2 625-2 635.

[本文引用: 1]

张功郑宁张劲松 .

光闪烁方法测算区域蒸散研究进展

[J]. 生态学报, 2018, 38(8): 2 625-2 635.

[本文引用: 1]

Zhang Gong , Zhang Jinsong , Meng Ping , et al .

Application of two-wavelength bichromatic correlation method to calculate the average surface energy and water vapor fluxes in plantation North China

[J]. Chinese Journal of Agrometeorology,2018, 39(6): 380-389.

[本文引用: 1]

张功张劲松孟平 .

双波长交互法测算华北人工林平均水热通量的应用分析

[J]. 中国农业气象, 2018, 39(6): 380-389.

[本文引用: 1]

Liu S , Xu Z , Song L , et al .

Upscaling evapotranspiration measurements from multi-site to the satellite pixel scale over heterogeneous land surfaces

[J]. Agricultural and Forest Meteorology, 2016, 230/231: 97-113.

[本文引用: 1]

Gioli B , Miglietta F , Martino B D , et al .

Comparison between tower and aircraft-based eddy covariance fluxes in five European regions

[J]. Agricultural and Forest Meteorology, 2004, 127(1/2): 1-16.

[本文引用: 4]

Vellinga O S , Gioli B , Elbers J A , et al .

Regional carbon dioxide and energy fluxes from airborne observations using flight-path segmentation based on landscape characteristics

[J]. Biogeosciences, 2010, 7(4): 1 307-1 321.

[本文引用: 2]

Kral T S , Reuder J , Vihma T , et al .

Innovative strategies for observations in the Arctic atmospheric boundary layer (ISOBAR)—The Hailuoto 2017 campaign

[J]. Atmosphere, 2018, 9(7):268.

[本文引用: 1]

Jacob D J , Chilson B P , Houston L A , et al .

Considerations for Atmospheric Measurements with Small Unmanned Aircraft Systems

[J]. Atmosphere, 2018, 9(7):268.

[本文引用: 2]

Witte B M , Mullen J , Thamann M A , et al .

Fundamental turbulence measurement with unmanned aerial vehicles (invited)

[C]//8th AIAA Atmospheric and Space Environments Conference. Washington DC, 2016.

[本文引用: 1]

Elston J , Argrow B , Stachura M , et al .

Overview of Small Fixed-Wing Unmanned Aircraft for Meteorological Sampling

[J]. Journal of Atmospheric and Oceanic Technology, 2015, 32(1): 97-115.

[本文引用: 3]

Bean B R , Gilmer R , Grossman R L , et al .

An analysis of airborne measurements of vertical water vapor flux during BOMEX

[J]. Journal of the Atmospheric Sciences, 1972, 29(5): 860-869.

[本文引用: 1]

Bean B R , Reinking R F .

Marine turbulent boundary layer fluxes of water vapor, sensible heat and momentum during gate

[M] //Turbulent Fluxes Through the Sea Surface, Dynamics Wave , and Prediction . Boston, MA: Springer US, 1978: 21-33.

[本文引用: 1]

Desjardins R L , Brach E J , Alvo P , et al .

Aircraft monitoring of surface carbon dioxide exchange

[J]. Science, 1982, 216 (4 547): 733-735.

[本文引用: 1]

Gioli B , Miglietta F , Vaccari F P , et al .

The Sky Arrow ERA, an innovative airborne platform to monitor mass, momentum and energy exchange of ecosystems

[J]. Annals of Geophysics, 2006, 49: 109-116.

[本文引用: 1]

Desjardins R L , Worth D E , MacPherson J I , et al .

Flux measurements by the NRC Twin Otter atmospheric research aircraft: 1987-2011

[J]. Advances in Science and Research, 2016(13): 43-49.

[本文引用: 1]

Daida J M , Russell P B , Crawford T L , et al .

An unmanned aircraft vehicle system for boundary-layer flux measurements over forest canopies

[C]//Proceedings of IGARSS ' 9 -1994 IEEE International Geoscience and Remote Sensing Symposium.

[本文引用: 1]

Pasadena, CA, USA , 1994.

[本文引用: 1]

van den Kroonenberg A , Martin T , Buschmann M , et al .

Measuring the wind vector using the autonomous mini aerial vehicle M2AV

[J]. Journal of Atmospheric and Oceanic Technology, 2008, 25(11): 1 969-1 982.

[本文引用: 3]

Thomas R M , Lehmann K , Nguyen H , et al .

Measurement of turbulent water vapor fluxes using a lightweight unmanned aerial vehicle system

[J]. Atmospheric Measurement Techniques, 2012, (5): 243-257.

[本文引用: 3]

Reineman B D , Lenain L , Statom N M , et al .

Development and testing of instrumentation for UAV-Based flux measurements within terrestrial and marine atmospheric boundary layers

[J]. Journal of Atmospheric and Oceanic Technology, 2013, 30(7): 1 295-1 319.

[本文引用: 3]

Anderson K , Gaston K J .

Lightweight unmanned aerial vehicles will revolutionize spatial ecology

[J]. Frontiers in Ecology and the Environment, 2013, 11(3): 138-146.

[本文引用: 9]

Reuder J , Båserud L , Jonassen M O , et al .

Exploring the potential of the RPA system SUMO for multipurpose boundary-layer missions during the BLLAST campaign

[J]. Atmospheric Measurement Techniques, 2016, 9(6): 2 675-2 688.

[本文引用: 1]

Thomas R M , Lehmann K , Nguyen H , et al .

Measurement of turbulent water vapor fluxes using a lightweight unmanned aerial vehicle system

[J]. Atmospheric Measurement Techniques, 2012, 5: 243-257.

[本文引用: 1]

Lothon M , Lohou F , Pino D , et al .

The BLLAST field experiment: Boundary-Layer late afternoon and sunset turbulence

[J]. Atmospheric Chemistry and Physics, 2014, 14(20): 10 931-10 960.

[本文引用: 1]

Ramanathan V , Ramana M V , Roberts G , et al .

Warming trends in Asia amplified by brown cloud solar absorption

[J]. Nature, 2007, 448: 575-578.

[本文引用: 1]

Sun Yibo .

Study of Airborne Eddy Covariance Regional Turbulent Water and Heat Fluxes Measurements Methods

[D]. Beijing: Institute of Remote Sensing and Digital Earth of Chinese Academy of Sciences, 2018.

[本文引用: 1]

孙义博 .

机载涡动相关区域湍流水热通量观测方法研究

[D]. 北京: 中国科学院大学, 2018.

[本文引用: 1]

Vellinga O S , Dobosy R J , Dumas E J , et al .

Calibration and quality assurance of flux observations from a small research aircraft

[J]. Journal of Atmospheric and Oceanic Technology, 2013, 30(2): 161-181.

[本文引用: 3]

Alaoui-Sosse S , Durand P , Medina P , et al .

OVLI-TA: An Unmanned Aerial System for measuring profiles and Turbulence in the Atmospheric Boundary Layer

[J]. Sensors, 2019, 19(3): 581.

[本文引用: 2]

Rautenberg A , Graf S M , Wildmann N , et al .

Reviewing wind measurement approaches for fixed-wing unmanned aircraft

[J]. Atmosphere, 2018, 9(11):422.

[本文引用: 1]

Rautenberg A , Allgeier J , Jung S , et al .

Calibration procedure and accuracy of wind and turbulence measurements with five-hole probes on fixed-wing unmanned aircraft in the atmospheric boundary layer and wind turbine wakes

[J]. Atmosphere, 2019, 10(3):124.

[本文引用: 2]

Calmer R , Roberts G C , Preissler J , et al .

Vertical wind velocity measurements using a five-hole probe with remotely piloted aircraft to study aerosol-cloud interactions

[J]. Atmospheric Measurement Techniques, 2018, 11(5): 2 583-2 599.

[本文引用: 2]

Drüe C , Heinemann G .

A review and practical guide to in-flight calibration for aircraft turbulence sensors

[J]. Journal of Atmospheric and Oceanic Technology, 2013, 30(12): 2 820-2 837.

[本文引用: 2]

Crawford T L , Mcmillen R T , Dobosy R J , et al .

Correcting airborne flux measurements for aircraft speed variation

[J]. Boundary-Layer Meteorology, 1993, 66(3): 237-245.

[本文引用: 1]

Mayer S , Jonassen M O , Sandvik A , et al .

Profiling the Arctic stable boundary layer in advent valley, Svalbard: Measurements and simulations

[J]. Boundary-Layer Meteorology, 2012, 143(3): 507-526.

[本文引用: 2]

Reuder J , Jonassen M O , Ólafsson H .

The small unmanned meteorological observer SUMO: Recent developments and applications of a micro-UAS for atmospheric boundary layer research

[J]. Acta Geophysica, 2012, 60(5): 1 454-1 473.

[本文引用: 4]

Båserud L , Reuder J , Jonassen M O , et al .

Proof of concept for turbulence measurements with the RPAS SUMO during the BLLAST campaign

[J]. Atmospheric Measurement Techniques, 2016, 9(10): 1-22.

[本文引用: 4]

Båserud L , Flügge M , Bhandari A , et al .

Characterization of the SUMO turbulence measurement system for wind turbine wake assessment

[J]. Energy Procedia, 2014, 53: 173-183.

[本文引用: 1]

Subramanian B , Chokani N , Abhari R S .

Drone-based experimental investigation of three-dimensional flow structure of a multi-megawatt wind turbine in complex terrain

[J]. Journal of Solar Energy Engineering, 2015, 137(5): 51 007.

[本文引用: 1]

Frew E W , Elston J , Argrow B , et al .

Sampling severe local storms and related phenomena: Using unmanned aircraft systems

[J]. IEEE Robotics & Automation Magazine, 2012, 19(1): 85-95.

[本文引用: 1]

Wildmann N , Hofsäß M , Weimer F , et al .

MASC — A small Remotely Piloted Aircraft (RPA) for wind energy research

[J]. Advances in Science and Research, 2014, 11(1): 55-61.

[本文引用: 1]

Spiess T , Bange J , Buschmann M , et al .

First application of the meteorological Mini-UAV 'M2AV'

[J]. Meteorologische Zeitschrift, 2007, 16(2): 159-169.

[本文引用: 2]

Martin S , Bange J , Beyrich F .

Meteorological profiling of the lower troposphere using the research UAV “M2AV Carolo”

[J]. Atmospheric Measurement Techniques, 2011, (4): 705-716.

[本文引用: 4]

Lampert A , Pätzold F , Jiménez M A , et al .

A study of local turbulence and anisotropy during the afternoon and evening transition with an unmanned aerial system and mesoscale simulation

[J]. Atmospheric and Chemistry and Physics, 2016, 16(12): 8 009-8 021.

[本文引用: 2]

Martin S , Beyrich F , Bange J .

Observing entrainment processes using a small unmanned aerial vehicle: A feasibility study

[J]. Boundary-Layer Meteorology, 2014, 150(3): 449-467.

[本文引用: 1]

Hesselbarth H , Neininger B .

UAV-platform UMARS2 for environmental research

[C]//First Conference for Atmospheric Research Using Remotely-Piloted Aircraft. Palma de Mallorca,Balearic Islands, Spain, 2013.

[本文引用: 1]

Reineman B D , Lenain L , Melville W K .

The use of ship-launched fixed-wing UAVs for measuring the marine atmospheric boundary layer and ocean surface processes

[J]. Journal of Atmospheric and Oceanic Technology, 2016, 33(9): 2 029-2 052.

[本文引用: 1]

Altstädter B , Platis A , Wehner B , et al .

ALADINA — An unmanned research aircraft for observing vertical and horizontal distributions of ultrafine particles within the atmospheric boundary layer

[J]. Atmospheric Measurement Techniques, 2015,(8): 1 627-1 639.

[本文引用: 1]

Bärfuss K , Pätzold F , Altstädter B , et al .

New setup of the UAS ALADINA for measuring boundary layer properties, Atmospheric particles and solar radiation

[J]. Atmosphere, 2018, 9(1):28.

[本文引用: 1]

Metzger S , Junkermann W , Butterbach-Bahl K , et al .

Measuring the 3-D wind vector with a weight-shift microlight aircraft

[J]. Atmospheric Measurement Techniques, 2011, 4(7): 1 421-1 444.

[本文引用: 1]

Wildmann N , Ravi S , Bange J .

Towards higher accuracy and better frequency response with standard multi-hole probes in turbulence measurement with Remotely Piloted Aircraft (RPA)

[J]. Atmospheric Measurement Techniques, 2014, 6(6): 9 783-9 818.

[本文引用: 1]

Garman K E , Hill K A , Wyss P , et al .

An airborne and wind tunnel evaluation of a wind turbulence measurement system for aircraft-based flux measurements

[J]. Journal of Atmospheric and Oceanic Technology, 2006, 23: 1 696-1 708.

[本文引用: 1]

Sun Y , Jia L , Chen Q , et al .

Optimizing window length for turbulent heat flux calculations from airborne eddy covariance measurements under near neutral to unstable atmospheric stability conditions

[J]. Remote Sensing, 2018, 5(10): 670.

[本文引用: 2]

Sun J , Howell J F , Esbensen S K , et al .

Scale dependence of air-sea fluxes over the western equatorial Pacific

[J]. Journal of the Atmospheric Sciences, 1996, 53(21):2 997-3 012.

[本文引用: 1]

Mahrt L , Macpherson J I , Desjardins R .

Observations of fluxes over heterogeneous surfaces

[J]. Boundary-Layer Meteorology, 1994, 4(67): 345-367.

[本文引用: 1]

Mahrt L .

Flux sampling errors for aircraft and towers

[J]. Journal of Atmospheric and Oceanic Technology, 1998, 15(2): 416-429.

[本文引用: 1]

Witte M B , Singler F R , Bailey C S .

Development of an unmanned Aerial vehicle for the measurement of turbulence in the atmospheric boundary layer

[J]. Atmosphere, 2017, 8(10): 195.

[本文引用: 1]

Finkelstein P L , Sims P F .

Sampling error in eddy correlation flux measurements

[J]. Journal of Geophysical Research, 2001, 106(D4): 3 503-3 509.

[本文引用: 1]

Aubinet M .

Eddy covariance CO2 flux measurements in nocturnal conditions: an analysis of the problem

[J]. Ecological Applications, 2008, 18(6): 1 368-1 378.

[本文引用: 1]

Mitic C M , Schuepp P H , Desjardins R L , et al .

Flux association in coherent structures transporting CO2, H2O, heat and ozone over the code grid site

[J]. Agricultural and Forest Meteorology, 1997, 87(1): 27-39.

[本文引用: 1]

/