900 MB 官方数据包，到底装了什么？ASK-16 四大产品 L0→L2 全解剖（附 Merged 包 67 个变量实测清单）

系列前篇：①《不下载 900 MB 官方数据，我照样把 PyWingpod 的五孔探针算法跑通了》②《从 900 MB 到 546 KB：PyWingpod 最小实现环境搭建与逐行实操》③《五孔探针如何把压力变成风？标定与三维风矢量反演全公式推导》④《风测出来了，然后呢？L1→L2 通量链路全拆解》

1. 为什么还要写一篇"数据包解剖"

前四篇里，我们验证了算法、搭好了环境、推完了公式、拆解了通量链路——但一直绕着一个问题：官方发布的数据到底长什么样？

做研究不是跑通 demo：你要么直接消费官方产品，要么拿官方数据复现/改进算法。这都需要先搞清楚四个数据包的层级关系、文件结构、变量含义和坑。

官方数据仓库（GFZ Data Services，DOI 10.5880/GFZ.1.4.2024.003）实际提供四个数据包，我全部下载并实测了一遍：

四条链路对应论文 Fig. 2 的处理流程：五孔探针 + INS-GNSS 原始压力/姿态 → PyWingpod 标定并解算风（L0→L1）→ 与 Picarro 气体分析仪浓度合并（Merged）→ eddy4R 计算通量（L2）→ 足迹 / 通量地形图。

四个包的数据粒度完全不同，决定了各自的用途边界：

下面逐层解剖。

2. 第一层：Calibration 包——“标定参数不是查表查来的，是飞出来的”

2.1 实测结构

120 个 .csv.gz 压缩文件，文件名日期分组覆盖 2017-08-14、2018-08-2x、2019-08-0x、2019-08-2x、2019-09-0x、2022-05-0x、2022-06-1x 七个标定航次。文件名分两种格式（实测）：

• 旧式（日期内嵌）：CAL_ASK160170814_Leg1.csv.gz
• 新式（机动类型显式）：CAL_ASK16_acc_dec_0_.csv.gz、CAL_ASK16_yaw_3_.csv.gz、CAL_ASK16_pitch_5_.csv.gz、CAL_ASK16_square_2_.csv.gz

机动类型实测统计（新旧命名合并）：Leg（平直段）76 个、acc_dec（加减速）12 个、square（风平方）12 个、yaw（偏航）10 个、pitch（俯仰）10 个，其中 2 个 Leg 文件带 _flight1/_flight2 后缀（同日第二架次的重复段）。

2.2 每类机动在解哪个参数（论文 2.4.4–2.4.7）

标定不是"对着说明书抄系数"，而是用专门的飞行机动把每个标定参数孤立出来求解。ASK-16 的做法：

① 静压缺陷 ps,err —— 加减速机动 + 偏航机动

机身上测到的静压不等于自由来流静压，这个偏差叫静压缺陷，论文用三项多项式描述（Eq. 4，原文）：

ps,err = a1 × pq + a2 × pq × pα² + a3 × pq × pβ²

• pq 动压、pα/pβ 差压传感器读数
• **加减速机动（speed runs）**定 a1、a2（速度变化 → 动压项；α 变化 → α 项）
• **偏航机动（yaw）**定 a3（β 变化 → β 项）
• 求解前先按高度归一化静压，剔除高度起伏的影响

② 动压标定 —— 加减速机动 + 往返法（Hartmann et al., 2018）

核心假设：往返两段的地速平均值 = 真空速（论文 Eq. 5）：

(vgs,1 / cos γ + vgs,2 / cos γ) / 2 = (vtas,1 + vtas,2) / 2 = vref

其中 γ 是航迹与航向的夹角（侧风漂移）。然后求参考动压 pq.ref = ½ ρ vref²（Eq. 6），再对实测动压拟合修正系数 cq：pq.ref = cq × pq.i（Eq. 7）。

③ Cβ 与 β0 —— 偏航机动 + 往返平直段

• Cβ：对偏航机动先算风矢量，用 SciPy Nelder–Mead 迭代最小化水平风 u、v 的标准差之和（机动的风场应当是平稳的）
• β0：对多组往返平直段（reverse heading），迭代最小化往返两段的平均水平风差，取多组机动均值

④ Cα 与 α0 —— 俯仰机动 + 平直段

• Cα：俯仰机动中，假设垂直风 w 的波动主要由机身运动造成（应最小化），用 w 标准差做目标函数迭代优化；初值用 Rosemount 厂家给的 0.079 [1/°]
• α0：足够长的平直段上，平均垂直风应当为 0 → 迭代最小化 |w̅|；也可用加减速/往返机动按 Hartmann 2018 替代法

一句话总结：加减速解动压与静压速度项，偏航解 β 与静压 β 项，俯仰解 α，往返平直段解零偏。这也解释了为什么 Calibration 包按机动类型组织文件——每个文件就是一次"单参数实验"。

2.3 标定参数凭什么可信：Table 2 的实测精度账

标定做完不等于误差为零，论文 Table 2 把每台传感器的精度账摊开（均为厂商数据 + 2022-05-04 Lüsse 地面静止实测）：

这套账的意义：差压传感器 0.26–0.73 Pa 的地面静止精度，直接决定了 α/β 角度分辨的下限；而论文 2.6 明确指出"计算风对输入误差高度敏感"（引 Metzger et al., 2011）——所以标定机动才要设计成"单参数实验"，把传感器误差逐项隔离。

3. 第二层：L1 Wind 包——20 Hz 三维风矢量

PyWingpod 处理完 L0→L1 后输出 20 Hz 的风矢量产品：u/v/w、空速、姿态、压力修正结果等，官方自述体积 5.09 GB。

坑（实测）：该包在 GFZ 服务端下载即损坏。 下载得到的文件（约 694 MB）不是合法 zip，无法解压。这与第一篇"为什么不下载 900 MB 官方数据"呼应：官方数据链路并非畅通无阻，L1 产品目前就是不可用的状态。需要用 L1 数据做研究的，只能从 Calibration + Merged 自行复算（这也是 PyWingpod 开源的意义）。

4. 第三层：Merged 包——“风 + 浓度合并”，本篇核心实测

4.1 文件结构（实测，7 个文件）

ASK16_Merged_Wind_and_Concentration_data/
├─ DE_ASK-16_20180829_MergedData/
│ └─ combined_data_all_legs_DE_ASK16_2018-08-29.csv ← 84001 数据行
├─ DE_ASK-16_20190821_MergedData/
│ └─ combined_data_all_legs_DE_ASK16_2019-08-21.csv ← 112801 数据行
└─ __Variables_Explained_ASK16_Wind_Concentration_MergedData_Product.csv / .xlsx ← 67 个变量说明

• 采样率 10 Hz（论文 2.5：20 Hz 风与 10 Hz Picarro 浓度做最近邻插值，统一到 10 Hz 公共时间轴）
• 2018-08-29 航次 ≈ 84001 行 ÷ 10 Hz ≈ 2.3 小时；2019-08-21 航次 ≈ 3.1 小时——与论文"巡航 2–3 h"吻合
• 两个航次可做跨航次/跨年对比（同平台、同处理链，不同季节）

4.2 67 个变量实测分组（变量说明文件逐条读取）

注意两处细节：

• 湿/干摩尔分数并列：CO2_dry_sync 是去除水汽后的干空气摩尔分数，算通量/浓度梯度时用干分数，这是第四篇讲过的 H₂O 稀释修正的前提
• 文件首行是初始化行（实测 2018 文件第一行 CH4_sync=0、H2O_sync=0，CO2_sync≈365 ppm 正常）：仪器同步前的填充值，分析前先做时间切片

4.3 从 Merged 包直接"看到"标定结果

Merged 包不只是消费级产品，它把 L1 的标定结果也摊开了：

• ps_q_err 与 ps_q_err2：含/不含气流角误差的静压缺陷（对应 2.2 节 Eq. 4 的 ps,err）——两者之差就是 α/β 误差对静压修正的污染量，是"风对输入误差敏感"的现成实测证据
• p_alt_corr / p_spd_corr：修正后的静压/动压，直接可与原始 p_alt/p_spd 做差，量化每次飞行的修正量级
• alp/bet（标定后气流角）与 alp_i/bet_i（理论角）：气流角标定的输入输出对照

换句话说：想验证官方标定做得好不好，不用看论文，把 Merged 包里这几列拉出来对一下就行。这也是下一篇预告——用 Calibration 包 + PyWingpod 自己复算一遍标定，再拿 Merged 包的这几列当"参考答案"。

4.4 能直接用 Merged 包做什么

• 边界层廓线：爬升/下降段 + 温湿度 + 浓度 → 推断边界层厚度（论文 2.5 用途一）
• 风场质量检查：ps_q_err（含角误差）与 ps_q_err2（不含角误差）的差异就是气流角误差对静压修正的影响——可直接量化"α/β 标定误差的传播"。两个变量并排放在同一条时间轴上，是论文 2.6"风对输入误差敏感"论断的现成证据
• 跨航次对比：2018-08-29（约 2.3 小时）与 2019-08-21（约 3.1 小时）两日风速风向、浓度基线直接对比。同一平台、同一处理链，只是年份与季节不同——这也是官方后续通量地形图等产品的基础输入

5. 第四层：Flux 包——L2 通量产品

180 KB 的单航次产品（2018-08-29，5 个航段），每 200 m 一个通量段，含 WAVE（Morlet 小波通量）、REYN（Reynolds 通量）、ITCS（积分湍流特征 + 质量旗标） 三类文件。已在前篇④完整拆解，这里只补两个结论：

6. 四大包配合使用的典型工作流

三个典型场景帮你对号入座：

• “我只想引用官方通量结论”：下载 Flux 包（180 KB）即可，五分钟拿到 5 航段的 CO₂/CH₄/LE 通量与质量旗标，无需碰其余三个包
• “我想做风场或边界层研究”：用 Merged 包，10 Hz 的 u/v/w/wspd/wdir + 温湿度 + 浓度，两航次足够做状态量统计与季节对比
• “我想复现或改进标定算法”：下载 Calibration 包（202.9 MB），把机动文件喂给 PyWingpod 的 scripts_calibration（S1–S7），用 Merged 包的 p_alt_corr/ps_q_err 当验证真值——这是本系列下一篇的内容

7. 避坑清单

8. 结语：这套数据怎么跟前面的文章接上

• ①（最小实现）——告诉你没有数据也能把算法跑通，本篇补上"有数据时该用哪层"
• ②（环境实操）——跑通的是 PyWingpod 源码，它的输入正是 Calibration 包
• ③（公式推导）——五个标定参数在 2.2 节对上了每一类机动
• ④（通量链路）——Flux 包就是那条链路的终点

快速阅读指南：只想了解产品全貌 → 第 1、6 节；做标定研究 → 第 2 节 + 2.3 的精度账；做风场/浓度研究 → 第 4 节（变量清单和分组是重点）；消费通量产品 → 第 5 节 + ④。

下一篇预告：用 Calibration 包 + PyWingpod 实测复现一次完整标定（五个标定参数如何从机动文件里一步步解出来，用 Merged 包的修正压力当参考答案）。关注不迷路，配套复算工具包见资源区。

数据与来源：本文所有数据包结构、文件数、变量清单均来自对 GFZ 官方数据包（DOI 10.5880/GFZ.1.4.2024.003，CC-BY-4.0）的实际下载与解析；标定方法、公式编号、机动设计来自论文 Wiekenkamp et al. 2025（Atmos. Meas. Tech., 18, 749–772, doi:10.5194/amt-18-749-2025，CC-BY-4.0）。