相同数字并不代表相同现象

如果两个农场的甲烷传感器都显示35 ppm，人们很容易认为排放状态也相同。但第一个传感器可能在刚喂料后靠近牛头的位置测量了10秒，第二个传感器则可能记录了通风风机前的一日平均值。一方或许没有扣除外部背景浓度，另一方则可能同时测量了进风浓度。即使屏幕上的数字和单位相同，如果数字所代表的空间、时间、个体和气流不同，比较对象本身就不相同。

测量代表性与传感器是否准确是两个不同的质量问题。美国EPA的环境数据采样设计指南将代表性解释为：数据准确、精密地体现总体特征、测点变动以及工艺或环境条件的程度，并强调代表性必须通过采样设计来处理。缺乏代表性的样本，无法仅靠提高分析设备的质量来挽救。

因此，仅凭“我们的传感器误差小”，不能主张农场平均值或减排效果。经过校准的传感器可以准确读取到达该传感器的空气浓度，但这些空气是否代表整个农场、特定畜群、一天、一个季节或整个项目期，是另一个问题。把测量值的可靠性与主张范围连接起来的，正是代表性设计。

首先必须确定“它代表什么”

代表性始终需要一个目标总体。想了解一头牛呼吸产生的甲烷、一个牛舍排风口流出的甲烷质量，还是整个农场的月度甲烷排放量，所需的采样单位各不相同。目标不明确，就无法确定传感器位置、平均方法和所需测量时长。

畜牧业甲烷的代表性至少可以分为四个维度。

  • 空间代表性：测点在多大程度上反映畜舍内的浓度分布与实际外排路径。

  • 时间代表性：在多大程度上涵盖喂料、反刍、挤奶、粪污搅拌、风机运行、昼夜温差和季节变化。

  • 畜群代表性：样本在多大程度上反映品种、年龄、体重、生产阶段、健康状况和采食量不同的动物。

  • 运行状态代表性：如何纳入正常运行之外的开门、清洁、设备停机、酷暑通风、进畜和出栏等状态。

还应结合分析目的。安全报警的重点是不遗漏最危险的局部瞬时浓度；农场排放量核算重视穿过整个边界的质量流平均值和累计值；低甲烷饲料效果试验则必须在处理组与对照组之间控制饲料以外的条件，并确保可重复性。不能假定一种传感器布置可以同时优化这三种目的。

准确度与代表性分离的三个现场场景

第一，即使两个传感器读到相同浓度，通风量不同，排放量也会不同。排出畜舍的甲烷质量通常取决于浓度增量与空气流量的乘积。夏季风机高速运转时的20 ppm与冬季通风量较小时的20 ppm，并不代表相同排放率。如果外部背景分别为2 ppm和8 ppm，畜舍的贡献也不同。单一浓度值表示的是空气组成，而不是单位时间的排放质量。

第二，即使位置相同、平均值相同，时间样本不同也会得出不同结果。上午9时至下午5时的平均值可能是35 ppm，一日平均值也可能恰好是35 ppm。前者没有观察夜间反刍和凌晨通风变化，后者则全部包括。若只保存平均值，这一差异就会消失。必须同时保留原始时间序列、采样间隔、有效数据比例和缺失时段。

第三，即使月平均值相同，畜群构成不同，解释也会不同。持续饲养100头牛的农场，与月中出栏50头牛的农场，其平均值并不代表相同活动量。如果产奶量、增重或干物质采食量差异很大，仅比较每头排放量也可能误读生产效率。代表性不仅存在于收集数字的阶段，也存在于选择分母和归一化基准的阶段。

增加传感器就能自动解决问题吗

传感器数量可以改善代表性，但盲目增加并不足够。如果五台传感器全部安装在进料口附近，只是在更精密地重复同一种局部条件。传感器彼此靠近且高度相关时，信息量不会按预期增加。反之，如果按照气流不同的区域进行分层布置，即使用较少的传感器也能捕捉重要变化。

EPA采样设计指南说明，应根据目的选择简单随机、分层随机、系统或网格采样等设计。它并不是可以机械套用于畜舍的规格，但其原理很有用。与其为方便而划分空间，不如按排放源、气流、动物密度和运行状态划分层次，并确保每一层都有观测。比起寻找“一台代表性传感器”，先把破坏代表性的条件绘制成图更实用。

预调查是完成这种绘图所必需的。使用便携式仪器或移动采样管路巡测不同高度和位置，同时记录风向、风机状态、开门情况和喂料时间。在确认浓度和气流空间差异较大的位置后，再确定固定传感器的位置。安装后，当季节或通风模式改变时还应重新调查。夏季布置并不能保证代表冬季的自然对流。

求平均值之前必须先确定权重

对多个传感器的数值取简单算术平均也是常见错误。如果通过排风口A的空气占总量80%，通过B的占20%，对两个浓度赋予相同权重可能扭曲质量流。若目的是计算排放量，就需要使用与流量或代表面积相关的权重。自然通风畜舍各开口的进出风方向随时变化，连固定权重都可能不成立。

时间平均也是如此。不能把60个1分钟值和一个1小时值按相同比重合并，也不能把缺失严重的一天与完整的一天同等纳入月平均。应重采样到固定时间网格并设定有效数据标准，然后确认缺失区间的长度及其发生状态。如果停电并非随机发生，而是设备在酷暑时停止运行，缺失数据可能偏向高排放或高通风条件。

平均值有时也会掩盖分布。两个平均值均为35 ppm的牛舍，一个可能稳定在30～40 ppm，另一个平时大多只有5 ppm，却在粪污搅拌时升至200 ppm。对于碳排放累计、作业人员安全和异常检测，这些情形的意义各不相同。除平均值外，还应查看中位数、分位数、变异系数、峰值持续时间和各运行事件的分布。

验证代表性的方法

不能只在传感器安装计划中写上“代表点”，就认为代表性得到了证明。必须通过比较和重复进行评估。

第一种方法是同步并行测量。在相同时间测量基准位置与候选位置、固定传感器与移动设备，观察偏差和各状态下的差异。在同一位置放置两台设备的并置测量有助于了解设备差异，却不能直接验证空间代表性。要分离设备误差和位置效应，也可采用交换设备位置的交叉设计。

第二种方法是空间巡测与制图。在正常通风、最低通风、最大通风、喂料和清洁等主要模式下，测量多个位置的浓度与风速。评估固定传感器与空间平均值或流量加权平均值的一致程度。如果差异反复出现，应建立校正模型或改变布置。

第三种方法是分时段验证。比较仅使用一天中部分时段计算的结果，与24小时或长期基准相差多少。将测量天数增加到1天、3天、7天、14天时，应检验独立性假设，或确认采用区块自助法、按状态分层等反映时间序列结构的不确定度区间是否趋于稳定。自然通风牛舍的排放估算会受到测量期以及测点数量和位置的影响，因此不应把某项研究的最低时长直接套用于所有农场，而应根据相应设施自身的变异性验证所需期间。

第四种方法是外部基准与质量平衡检查。比较各传感器的综合结果与示踪气体试验、CO₂平衡、临时气室测量或独立模型是否合理吻合。不要把任何一种方法视为绝对真值，而应确认各方法的边界和局限。明显的不一致是查找代表性、流量、背景浓度或时间同步问题的信号。

建立可比较的数据契约

要比较不同农场和不同时期，数字必须与最低限度的元数据一同传递。应记录传感器ID、型号、校准状态、坐标与高度、进风或排风类别、采样管长度、采样周期、汇总方法、基准温度压力湿度、外部背景浓度、通风方式与风机状态、饲养头数与畜群特征、喂料和粪污事件、缺失率及替代规则。

数据契约也可以明确允许作出的主张。例如，头部高度的传感器可以用于“相应位置的局部浓度趋势”，但不能单独用于“整个农场的kg CH₄”。某个排风口传感器可在相应风机运行时用于流量加权排放计算，但在自然通风模式下应排除。7天试验数据可用于相应气象和畜群条件下的比较，但应注明：若外推为年度减排量，必须有季节校正依据。

这些使用限制不会降低数据价值。相反，它们可以防止同一个数字在安全、运营、研究和碳主张中被无限制地重复使用。与其把数据划为“好或坏”的单一等级，代表性更应是一种属性，用于定义数据能够回答哪些问题。

执行检查清单

  • 比较数字前，两组数据的目标总体和测量目的是否相同？

  • 是否记录了传感器的位置、高度、方向以及进风与排风空气的作用？

  • 采样日程是否涵盖喂料、反刍、粪污、通风、昼夜和季节变化？

  • 是否记录了品种、体重、生产阶段、采食量和饲养头数变化？

  • 是否审查了多个传感器平均值是否需要面积、流量和时间权重？

  • 是否在没有背景浓度和通风量的情况下，把ppm当作排放量比较？

  • 是否分别通过并置测量评价仪器差异，并通过空间巡测评价位置差异？

  • 是否确认缺失数据集中于某些特定气象或运行状态？

  • 除平均值外，是否也审查了分布、变异性和各事件结果？

  • 是否以元数据形式保留了每组数据的允许用途和外推限制？

结论：代表性不是传感器属性，而是设计结果

传感器屏幕上的35 ppm，是关于那一刻到达传感器的空气的信息。它并不会自动获得代表整个农场、一个月、所有牛只或减排项目结果的含义。这样的范围需要通过目标总体、空间和时间采样设计、流量与背景校正、畜群记录和验证试验来建立。

因此，当结果不同时，不应只问哪台传感器出错。应先确认两台传感器各自在观察什么、哪些空气和时段在平均值中权重更大，以及是否存在缺失数据和运行变化。准确的传感器和有代表性的测量缺一不可，却不能互相替代。可比较的碳数据，始于对这两种质量的分别管理。

来源