# ============================================================ # Kommentiertes R-Skript zu: L04_waermeflussmethoden_mit_fieldclim.qmd # ============================================================ # Dieses Skript wurde aus dem Quarto-Dokument extrahiert. # Es enthält nur R-Code, keine Fließtexte, keine Aufgabenboxen und keine Quarto-Markup-Elemente. # Die Kommentare sind absichtlich ausführlich gehalten, damit Anfängerinnen und Anfänger die einzelnen Schritte nachvollziehen können. # Ausführung: Datei in RStudio öffnen und von oben nach unten ausführen. # Voraussetzung: Das Paket fieldClim ist installiert; die Kursdaten liegen entweder im Projektordner data/ oder werden aus dem Paketbeispiel geladen. # ============================================================ # ---- setup ---- # Zweck: Grundeinstellungen für die Ausgabe der Code-Chunks und ihrer Ergebnisse. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. knitr::opts_chunk$set( echo = TRUE, include = TRUE, collapse = TRUE, comment = "#>", warning = FALSE, message = FALSE ) # ---- load-packages-and-data ---- # Zweck: Pakete laden, Datendatei finden, CSV einlesen und Zeitspalte in ein echtes Datum-Zeit-Format umwandeln. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # fieldClim enthält die fachlichen Funktionen für Strahlung, Bodenwärmestrom, Stationsobjekte und Wärmeflüsse. library(fieldClim) # here erleichtert robuste Projektpfade, damit keine festen lokalen Rechnerpfade im Code stehen. library(here) # Kursprojekt: bevorzugt lokale Datei unter data/. # Zuerst wird der erwartete Kursdatensatz im Projektordner gesucht. caldern_file <- here::here("data", "caldern_wiese_2017-06-30.csv") # Fallback: mit fieldClim ausgelieferter Beispieldatensatz. # Falls die Kursdatei fehlt, wird auf die Beispieldatei aus dem installierten Paket ausgewichen. if (!file.exists(caldern_file)) { caldern_file <- system.file( "extdata", "caldern_wiese_2017-06-30.csv", package = "fieldClim" ) } # Harte Sicherheitsprüfung: Ohne vorhandene Datei soll der Code hier abbrechen. stopifnot(file.exists(caldern_file)) # Die CSV-Datei wird als data.frame eingelesen. Textwerte wie NULL oder leere Felder werden als NA behandelt. caldern <- read.csv( caldern_file, na.strings = c("NULL", "NA", "") ) # Die Zeitspalte wird in ein echtes Datum-Zeit-Objekt umgewandelt; das ist für Zeitreihenplots und Differenzen nötig. caldern$datetime <- as.POSIXct( caldern$datetime, format = "%Y-%m-%d %H:%M:%S", tz = "Europe/Berlin" ) # ---- prepare-flux-data ---- # Zweck: Grundgrößen für die Wärmeflussmethoden vorbereiten. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Q_star ist die Arbeitsreihe für Netto-Strahlung. caldern$Q_star <- caldern$rad_net # B ist die Arbeitsreihe für Bodenwärmestrom. caldern$B <- caldern$heatflux_soil # Q_minus_B ist die verfügbare Energie für die Wärmeflussmethoden. caldern$Q_minus_B <- caldern$Q_star - caldern$B # ---- build-weather-station ---- # Zweck: Die Rohdaten in ein fieldClim-weather_station-Objekt übersetzen. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # build_weather_station() bündelt Messwerte und Standortannahmen in einem einheitlichen Objekt. ws <- build_weather_station( # datetime übergibt die Zeitachse; alle Messvektoren müssen zu diesen Zeitpunkten passen. datetime = caldern$datetime, # lon und lat beschreiben die Stationsposition; sie beeinflussen Sonnenstand und Strahlungsmodellierung. lon = 8.6832, # Breite der Station; zusammen mit Zeit und Länge bestimmt sie die astronomische Strahlungssituation. lat = 50.8405, # Höhe über Meer; sie wird unter anderem für Druck- und Dichteabschätzungen verwendet. elev = 261, # temp ist die zentrale Lufttemperaturreihe, hier die Messung in 2 m Höhe. temp = caldern$Ta_2m, # rh ist die relative Luftfeuchte in Prozent; sie ist Grundlage für Feuchte- und Verdunstungsgrößen. rh = caldern$Huma_2m, # t1 und t2 bilden das Temperaturprofil zwischen zwei Messhöhen. t1 = caldern$Ta_2m, # t2 ist die zweite Temperaturhöhe; die Differenz zu t1 steuert Gradientenmethoden. t2 = caldern$Ta_10m, # hum1 und hum2 bilden das Feuchteprofil zwischen zwei Messhöhen. hum1 = caldern$Huma_2m, # hum2 ist die obere Feuchtemessung; kleine Differenzen können Bowen-Rechnungen instabil machen. hum2 = caldern$Huma_10m, # v1 und v2 bilden das Windprofil zwischen zwei Messhöhen. v1 = caldern$Windspeed_2m, # v2 ist die obere Windmessung; Windgradienten sind wichtig für Austausch- und Stabilitätsdiagnosen. v2 = caldern$Windspeed_10m, # z1 ist die untere Messhöhe in Metern. z1 = 2, # z2 ist die obere Messhöhe in Metern. z2 = 10, # rad_bal entspricht in fieldClim der Netto-Strahlung Q_star. rad_bal = caldern$rad_net, # soil_flux entspricht dem Bodenwärmestrom B. soil_flux = caldern$heatflux_soil, # slope beschreibt die Hangneigung; 0 steht hier für eine ebene Fläche. slope = 0, # exposition beschreibt die Hangrichtung; bei ebener Fläche ist der Wert praktisch ohne Wirkung. exposition = 0, # valley markiert, ob eine Tal-/Geländesituation angenommen wird. valley = FALSE, # surface_type steuert Oberflächeneigenschaften wie Albedo- oder Rauigkeitsannahmen. surface_type = "field", # surface_temp ist die Oberflächentemperaturreihe; sie geht in langwellige Bilanzanteile ein. surface_temp = caldern$Ts, # texture ist eine vereinfachte Bodenartangabe für bodenphysikalische Abschätzungen. texture = "peat", # moisture übergibt die Bodenfeuchte, hier aus der Stationsmessung. moisture = caldern$water_vol_soil, # soil_temp1 und soil_temp2 bilden ein Temperaturgefälle für Bodenwärmestromschätzungen. soil_temp1 = caldern$Ts, # soil_temp2 ist die zweite Temperatur für den Boden-/Oberflächen-Gradienten. soil_temp2 = caldern$Ta_2m, # soil_depth1 ist die Tiefe der ersten Bodentemperatur in Metern. soil_depth1 = 0.25, # soil_depth2 ist die Referenztiefe; 0 bedeutet hier Oberfläche. soil_depth2 = 0, # obs_height ist die Standard-Beobachtungshöhe der zentralen Luftmessung. obs_height = 2 ) # ---- inspect-before-flux ---- # Zweck: Vor der Methodenrechnung prüfen, welche Pfade mit den vorhandenen Eingaben möglich sind. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # inspection sammelt Diagnosen dazu, ob das Stationsobjekt die nötigen Eingaben enthält. inspection <- inspect_weather_station_inputs(ws) inspection$method_readiness[, c("method", "ready", "missing_fields", "partial_fields", "notes")] # ---- priestley-taylor ---- # Zweck: Priestley-Taylor-Flüsse berechnen und in explizite Spalten schreiben. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Priestley-Taylor wird hier separat berechnet, weil dieser Pfad eine eigene Partition der verfügbaren Energie liefert. flux_pt <- turb_flux_calc(ws, pt_only = TRUE) # H_pt ist die fühlbare Wärme aus der Priestley-Taylor-Partition. caldern$H_pt <- flux_pt$sensible_priestley_taylor # LE_pt ist die latente Wärme aus der Priestley-Taylor-Partition. caldern$LE_pt <- flux_pt$latent_priestley_taylor # Die Summe aus H und LE kontrolliert, ob die Partition zur verfügbaren Energie passt. caldern$sum_pt <- caldern$H_pt + caldern$LE_pt # summary() zeigt einfache Kennwerte und hilft, Ausreißer, NA-Werte oder falsche Größenordnungen zu erkennen. summary(caldern[, c("H_pt", "LE_pt", "sum_pt")]) # ---- priestley-plot ---- # Zweck: Priestley-Taylor-Ergebnisse für fühlbare und latente Wärme darstellen. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Die bisherigen Grafikeinstellungen werden gespeichert, damit sie nach dem Mehrfachplot wiederhergestellt werden können. op <- par(mfrow = c(2, 1), mar = c(3.5, 4, 2, 1)) # Eine einfache base-R-Grafik erzeugen; type = 'l' bedeutet meist Linienplot, type = 'p' Punktplot. plot(caldern$datetime, caldern$H_pt, type = "l", xlab = "Zeit", ylab = "W m-2", main = "Priestley--Taylor: H") # Eine Referenzlinie ergänzt den Plot; h = 0 markiert hier meist den Wechsel des Vorzeichens. abline(h = 0, lty = 2, col = "grey50") # Eine einfache base-R-Grafik erzeugen; type = 'l' bedeutet meist Linienplot, type = 'p' Punktplot. plot(caldern$datetime, caldern$LE_pt, type = "l", xlab = "Zeit", ylab = "W m-2", main = "Priestley--Taylor: LE") # Eine Referenzlinie ergänzt den Plot; h = 0 markiert hier meist den Wechsel des Vorzeichens. abline(h = 0, lty = 2, col = "grey50") # Die alten Grafikeinstellungen werden wiederhergestellt; dadurch beeinflusst dieser Plot spätere Plots nicht. par(op) # ---- bulk-residual ---- # Zweck: Bulk-Residual-Methode mit Richardson-Guard berechnen. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Bulk-Residual berechnet H über einen Profilansatz und LE anschließend als Restgröße. flux_bulk <- turb_flux_bulk_residual( ws, stability_method = "ri_guard" ) # H_bulk ist die fühlbare Wärme aus dem Bulk-Ansatz. caldern$H_bulk <- flux_bulk$sensible_bulk # LE_bulk ist die latente Wärme als Residualterm der Energiebilanz. caldern$LE_bulk <- flux_bulk$latent_bulk_residual # bulk_Ri speichert die Richardson-Diagnose, die vom Guard verwendet wird. caldern$bulk_Ri <- attr(flux_bulk$sensible_bulk, "bulk_Ri_g") # bulk_stability speichert die Stabilitätsklasse der jeweiligen Zeitschritte. caldern$bulk_stability <- attr(flux_bulk$sensible_bulk, "bulk_stability") # table() zählt Kategorien, hier zum Beispiel Stabilitätsklassen. table(caldern$bulk_stability, useNA = "ifany") # summary() zeigt einfache Kennwerte und hilft, Ausreißer, NA-Werte oder falsche Größenordnungen zu erkennen. summary(caldern[, c("H_bulk", "LE_bulk")]) # ---- bulk-plot ---- # Zweck: Bulk-Residual-Ergebnisse für H und LE darstellen. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Die bisherigen Grafikeinstellungen werden gespeichert, damit sie nach dem Mehrfachplot wiederhergestellt werden können. op <- par(mfrow = c(2, 1), mar = c(3.5, 4, 2, 1)) # Eine einfache base-R-Grafik erzeugen; type = 'l' bedeutet meist Linienplot, type = 'p' Punktplot. plot(caldern$datetime, caldern$H_bulk, type = "l", xlab = "Zeit", ylab = "W m-2", main = "Bulk--Residual: H mit ri_guard") # Eine Referenzlinie ergänzt den Plot; h = 0 markiert hier meist den Wechsel des Vorzeichens. abline(h = 0, lty = 2, col = "grey50") # Eine einfache base-R-Grafik erzeugen; type = 'l' bedeutet meist Linienplot, type = 'p' Punktplot. plot(caldern$datetime, caldern$LE_bulk, type = "l", xlab = "Zeit", ylab = "W m-2", main = "Bulk--Residual: LE als Rest") # Eine Referenzlinie ergänzt den Plot; h = 0 markiert hier meist den Wechsel des Vorzeichens. abline(h = 0, lty = 2, col = "grey50") # Die alten Grafikeinstellungen werden wiederhergestellt; dadurch beeinflusst dieser Plot spätere Plots nicht. par(op) # ---- all-methods ---- # Zweck: Mehrere Wärmeflussmethoden gemeinsam berechnen und Mittelwerte vergleichen. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # turb_flux_calc() berechnet mehrere Standardmethoden gemeinsam. flux_all <- turb_flux_calc(ws) caldern$H_bowen <- flux_all$sensible_bowen caldern$LE_bowen <- flux_all$latent_bowen caldern$H_monin <- flux_all$sensible_monin caldern$LE_monin <- flux_all$latent_monin caldern$LE_penman <- flux_all$latent_penman # Diese Tabelle fasst Methodenmittelwerte kompakt zusammen. method_summary <- data.frame( method = c("Priestley--Taylor", "Bulk--Residual", "Bowen", "Monin/Profile", "Penman"), mean_H = c( mean(caldern$H_pt, na.rm = TRUE), mean(caldern$H_bulk, na.rm = TRUE), mean(caldern$H_bowen, na.rm = TRUE), mean(caldern$H_monin, na.rm = TRUE), NA_real_ ), mean_LE = c( mean(caldern$LE_pt, na.rm = TRUE), mean(caldern$LE_bulk, na.rm = TRUE), mean(caldern$LE_bowen, na.rm = TRUE), mean(caldern$LE_monin, na.rm = TRUE), mean(caldern$LE_penman, na.rm = TRUE) ) ) method_summary[, -1] <- round(method_summary[, -1], 1) method_summary # ---- method-comparison-plot ---- # Zweck: Methodenvergleich getrennt für H und LE darstellen. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Die bisherigen Grafikeinstellungen werden gespeichert, damit sie nach dem Mehrfachplot wiederhergestellt werden können. op <- par(mfrow = c(2, 1), mar = c(3.5, 4, 2, 1)) # Für den H-Plot wird ein gemeinsamer y-Achsenbereich über alle H-Methoden berechnet. h_ylim <- range(caldern[, c("H_pt", "H_bulk", "H_bowen", "H_monin")], na.rm = TRUE) # Eine einfache base-R-Grafik erzeugen; type = 'l' bedeutet meist Linienplot, type = 'p' Punktplot. plot(caldern$datetime, caldern$H_pt, type = "l", ylim = h_ylim, xlab = "Zeit", ylab = "W m-2", main = "Fühlbare Wärme H") # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$H_bulk, lty = 2) # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$H_bowen, lty = 3) # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$H_monin, lty = 4) # Eine Referenzlinie ergänzt den Plot; h = 0 markiert hier meist den Wechsel des Vorzeichens. abline(h = 0, lty = 2, col = "grey50") # Die Legende erklärt, welche Linie zu welcher Mess- oder Modellreihe gehört. legend("topright", legend = c("PT", "Bulk", "Bowen", "Monin"), lty = 1:4, bty = "n") # Für den LE-Plot wird ein gemeinsamer y-Achsenbereich über alle LE-Methoden berechnet. le_ylim <- range(caldern[, c("LE_pt", "LE_bulk", "LE_bowen", "LE_monin", "LE_penman")], na.rm = TRUE) # Eine einfache base-R-Grafik erzeugen; type = 'l' bedeutet meist Linienplot, type = 'p' Punktplot. plot(caldern$datetime, caldern$LE_pt, type = "l", ylim = le_ylim, xlab = "Zeit", ylab = "W m-2", main = "Latente Wärme LE") # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$LE_bulk, lty = 2) # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$LE_bowen, lty = 3) # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$LE_monin, lty = 4) # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$LE_penman, lty = 5) # Eine Referenzlinie ergänzt den Plot; h = 0 markiert hier meist den Wechsel des Vorzeichens. abline(h = 0, lty = 2, col = "grey50") # Die Legende erklärt, welche Linie zu welcher Mess- oder Modellreihe gehört. legend("topright", legend = c("PT", "Bulk", "Bowen", "Monin", "Penman"), lty = 1:5, bty = "n") # Die alten Grafikeinstellungen werden wiederhergestellt; dadurch beeinflusst dieser Plot spätere Plots nicht. par(op) # ---- closure-diagnostics ---- # Zweck: Energiebilanzschließung und offene Residualterme berechnen. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Der Closure-Term zeigt, welche Restenergie nach H und LE bleibt. caldern$closure_pt <- caldern$Q_minus_B - caldern$H_pt - caldern$LE_pt # Der Closure-Term zeigt, welche Restenergie nach H und LE bleibt. caldern$closure_bulk <- caldern$Q_minus_B - caldern$H_bulk - caldern$LE_bulk # Der Closure-Term zeigt, welche Restenergie nach H und LE bleibt. caldern$closure_bowen <- caldern$Q_minus_B - caldern$H_bowen - caldern$LE_bowen # Der Closure-Term zeigt, welche Restenergie nach H und LE bleibt. caldern$closure_monin <- caldern$Q_minus_B - caldern$H_monin - caldern$LE_monin # Beim Penman-Pfad bleibt nach LE ein offener Term; er ist nicht automatisch eine gemessene fühlbare Wärme. caldern$penman_open <- caldern$Q_minus_B - caldern$LE_penman # Diese Tabelle fasst mittlere Closure- oder Offenheitsterme der Methoden zusammen. closure_summary <- data.frame( method = c("PT", "Bulk", "Bowen", "Monin/Profile", "Penman open term"), mean_term = c( mean(caldern$closure_pt, na.rm = TRUE), mean(caldern$closure_bulk, na.rm = TRUE), mean(caldern$closure_bowen, na.rm = TRUE), mean(caldern$closure_monin, na.rm = TRUE), mean(caldern$penman_open, na.rm = TRUE) ) ) closure_summary$mean_term <- round(closure_summary$mean_term, 1) closure_summary # ---- closure-plot ---- # Zweck: Schließungs- und Offenheitsdiagnostik als Zeitreihe darstellen. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Eine einfache base-R-Grafik erzeugen; type = 'l' bedeutet meist Linienplot, type = 'p' Punktplot. plot(caldern$datetime, caldern$closure_pt, type = "l", xlab = "Zeit", ylab = "W m-2", main = "Schließungs- und Offenheitsdiagnostik") # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$closure_bulk, lty = 2) # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$closure_bowen, lty = 3) # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$closure_monin, lty = 4) # lines() ergänzt eine weitere Zeitreihe in einen bereits vorhandenen Plot. lines(caldern$datetime, caldern$penman_open, lty = 5) # Eine Referenzlinie ergänzt den Plot; h = 0 markiert hier meist den Wechsel des Vorzeichens. abline(h = 0, lty = 2, col = "grey50") # Die Legende erklärt, welche Linie zu welcher Mess- oder Modellreihe gehört. legend("topright", legend = c("PT", "Bulk", "Bowen", "Monin", "Penman offen"), lty = 1:5, bty = "n") # ---- package-closure ---- # Zweck: Optionale Paketfunktion zur Energiebilanzdiagnostik verwenden, falls vorhanden. # Hinweis: Dieser Abschnitt stammt aus dem QMD-Dokument und ist hier als eigenständiger, kommentierter R-Code abgelegt. # Diese Abfrage schützt den Code: Die Paketfunktion wird nur genutzt, wenn sie in der installierten Version vorhanden ist. if ("energy_balance_closure" %in% getNamespaceExports("fieldClim")) { closure_flux <- energy_balance_closure(flux_all) # head() zeigt die ersten Zeilen und ist ein schneller Format- und Plausibilitätscheck. head(closure_flux) }