第一章：FLUXNET数据与生态通量研究基础
1、FLUXNET观测网络的发展背景与科学意义；
2、涡度相关法观测生态系统与大气之间物质和能量交换的基本思想；
3、碳通量、水汽通量和热通量的生态意义；
4、净生态系统碳交换NEE、总初级生产力GPP、生态系统呼吸RECO、潜热通量LE、显热通量H、净辐射NETRAD等核心变量的含义；
5、气温TA、短波辐射SW_IN、长波辐射LW_IN、水汽压亏缺VPD、降水P、风速WS、气压PA等环境驱动变量的作用；
6、FLUXNET数据产品中FULLSET、ERAI、AUXMETEO、AUXNEE等文件类型的含义；
7、半小时、小时、日、周、月和年尺度数据的区别及适用场景;
8、从10/20 Hz高频原始数据到半小时通量数据的生产链条;
9、FLUXNET、AmeriFlux、ICOS、ChinaFLUX数据的申请、下载与使用规范；
站点元数据、IGBP植被类型和能量闭合率的含义。
第二章：R语言数据读取与批处理
1、R语言数据框和tidy data思想；
2、CSV文件读取方法、zip压缩包内部CSV文件直接读取方法；
3、批量循环、函数封装和管道操作；
4、多站点数据合并；
5、大型生态数据处理中的内存控制、字段选择和分批读取策略。
6、AI辅助生成批处理代码的提示词编写方法;
7、AI生成代码的验证清单：边界行、缺失值、时间连续性和单位一致性检查。
第三章：通量计算、校正与质量控制
1、涡度相关法通量计算的基本表达；
2、湍流通量观测中的主要误差来源；
3、坐标旋转、频率响应校正、空气密度修正和能量闭合问题；
4、夜间低湍流问题与u*筛选的原理；
5、u*阈值的移动点检验方法、季节变化及其不确定性；
6、异常值识别、低质量观测剔除、非生理合理值剔除。
7、基于REddyProc的质量控制与u*筛选实操。
第四章：数据插补
1、通量数据缺口的来源，如仪器故障、降雨干扰、电力中断、质量控制剔除和异常观测；
2、Gap-filling的必要性；
3、常见数据插补方法，包括线性插值、滑动窗口平均、平均日变化法、边际分布采样MDS、气象驱动回归插补和机器学习插补；
4、原始观测变量和插补变量的区别；
5、插补不确定性及其对年累计通量估算的影响;
6、基于REddyProc的边际分布采样MDS插补实操，插补质量分级（_fqc）变量的正确使用。
第五章：通量拆分
1、生态系统碳通量拆分的基本原理；
2、净生态系统碳交换NEE、总初级生产力GPP和生态系统呼吸RECO的关系；
3、NEE= RECO-GPP的符号约定和生态解释；
4、生态系统呼吸温度夜间法（Reichstein 2005）通量拆分的基本思想、白天法（Lasslop 2010）通量拆分的基本思想；
5、响应、光响应曲线；
6、通量拆分中的不确定性；
7、基于REddyProc的夜间法与白天法拆分实操及两种方法结果的比较；
8、u*阈值情景（U05、U50、U95）对年GPP、RECO、NEE的影响与不确定性传播。
第六章：通量时序分析
1、通量日变化的生态意义；
2、光合作用和生态系统呼吸的日内节律；
3、白天碳吸收和夜间碳释放过程；
4、生长季与非生长季差异、季节变化与植被物候；
5、月尺度和季节尺度聚合方法；
6、GPP、NEE、RECO、LE和H的季节变化特征；
7、碳源和碳汇季节转换；
8、极端事件（干旱、热浪）对GPP与RECO的非对称影响分析；
9、AI辅助时序可视化的实现与结果解读。
第七章：通量空间分析
1、围绕多站点比较展开，分析不同站点、国家或生态系统之间碳水热通量差异；
2、不同气候背景、植被类型和水热条件对通量的影响；
3、站点年均值、年累计值和多年平均值计算；
4、通量空间格局分析；
5、分组统计方法；箱线图、小提琴图和分面图；方差分析和非参数检验；
6、碳水耦合专题：生态系统水分利用效率WUE的计算与气候梯度分析。
第八章：通量驱动机制分析 ------机器学习方法
1、增强回归树BRT的基本思想；决策树、Boosting和集成学习的关系；
2、BRT适合生态数据的原因；从BRT到XGBoost的演进；
3、非线性响应、变量交互和变量相对贡献；
4、模型训练、交叉验证、过拟合控制和模型性能评价；
5、偏依赖曲线、SHAP可解释性分析及阈值效应解释；
6、机器学习建模中的常见错误（数据泄漏、时间序列随机交叉验证等）及其审查。
第九章：通量驱动机制分析 ------结构方程模型SEM因果路径分析
1、结构方程模型SEM的基本思想；相关关系与因果路径的区别；
2、显变量和潜变量；直接效应、间接效应和总效应；
3、模型路径假设构建；SEM在生态系统碳水热通量研究中的应用；
4、模型拟合优度指标；
5、传统协方差SEM的局限与piecewiseSEM在生态数据中的应用；
6、路径假设的生态学构建逻辑与AI辅助路径假设的批判性评估。
第十章：AI协同的通量研究工作流
1、AI辅助编程在通量数据分析中的能力边界：AI能做什么与不能做什么；
2、AI辅助选题与文献调研：研究问题的提出与文献脉络梳理；
3、包含领域约束的提示词编写方法：NEE符号约定、时区、QC标记和单位；
4、AI生成代码的自动化验证：单位换算、时区处理等关键环节让AI生成单元测试，并以REddyProc标准输出为基准交叉验证；
5、AI生成结果中的典型错误：符号约定反转、单位换算错误、时间戳时区平移、误用插补值、数据泄漏；
6、多步骤分析任务的AI协同管理：长流程分阶段交付、逐步验证；
7、AI辅助研究的学术诚信规范与论文中的AI使用声明。
第十一章：可重复性工作流与论文实践
1、可重复性研究与开放科学对代码和数据共享的要求；
2、Quarto/R Markdown可复现报告、renv环境管理和Git版本控制；
3、通量后处理流程在论文Methods中的规范表述；
4、科学问题的凝练与选题：从数据模式中提出可研究的问题；
5、图表故事线组织：图表顺序安排与论证逻辑；
6、论文复现环节：经典FLUXNET论文核心图表的复现与延伸分析；
7、论文式报告的撰写与AI使用声明。
8、模拟审稿：审稿意见的回应与response letter撰写。