如何把你的想法寫成文章

     但是，有數據就有文章嗎？當然不是。這里面主要有兩個原因。首先是我們對數據的初步分析和處理能力有待提高。舉個例子，我寫的一篇關于GPP的文章，通量數據的處理時一個非常需要體力和耐力的工作。尤其是NEE（生態系統交換量）和GPP（初級生產力）的gap-filling，在處理Harvaed forest的原始通量數據時，請教過很多用過通量數據的大牛、小牛、老牛。幾乎沒有一個人能完整的說出做法，沒辦法，只能自己根據文獻來做，很是艱難。數據處理是驗證模型真實性的前提，如果對自己處理的數據都沒有信心，又怎么敢說模型的潛力和精度？君不見N多數據躺在課題組用不上，沒有說明，沒有處理。很多大項目，如973： （，大量的數據因為沒有專業的處理人員而靜靜地躺在硬盤里。偶爾有個人想用，鉆研一下處理方法，用一下，這樣的數據達不到真正的共享。很多時候，不是我們 不愿意共享，實在是別人給你共享了，他給你的數據也是最原始的（可能他也不會處理），你想用，自己學方法吧。這可能也是數據難以共享的原因之一吧。

第二個原因我覺得還是新的想法，就是我們老掛在嘴邊的idea。 我老覺得文章來源于想法，而不是數據，這話不能說的太絕對，偶爾有超人直接從數據看出規律，來個大理論也有可能。從我自身的經驗出發，寫文章首先是根據已 經有的知識（如讀文獻，看別人的結論和不足），從別人指出的不足出發，考慮自己有沒有辦法解決這個不足。想想，能不能走通，要什么數據來解決，怎么設計實 驗，用什么樣本，數據怎么分析，可能的誤差來源是什么，如果有出入怎么解釋，等等。首先是某一個想法驅動著去做實驗，獲取數據，驗證想法，如果正確，可以 去寫文章了。如果不正確，大多數時候也能寫一篇文章，就看你能不能把問題解釋清楚，很多雜志都已開始注意失敗實驗的價值，應該說是一種進步吧。舉個自己的 例子，我最開始做PRI指數反演光能利用率時，一個日本人，Nakaji（06，IJRS）的結果說PRI在反演整個森林一年中的LUE變化時存在不足，尤其是當葉片枯黃的時候，PRI就不適用了。原因是PRI關注于葉黃素的循環，是一種間接反映光合作用的過程，當色素衰亡的時候，PRI的作用機理就不存在了。在驗證這個觀點時，我們用了冬小麥，確實對于生長末期的情況不適用。對此，我想的辦法是引入葉綠素含量的波段，因為有人（Inoue，08，RSE）說葉綠素的變化和LUE也有關系，因此想把葉綠素的信息引入進來。但是葉綠素有N多波段，到底用哪個呢？最開始用670-680nm，結果不好，尤其是對生長旺盛的小麥，后來改用550nm，結果有了點提高，怎么解釋呢？從PROSAIL模擬分析是670-680nm容易飽合。最終用550nm的反射率改進了PRI，發表了自己的第二篇SCI文章。

李老師建議說說怎么有GPP那篇文章的，其實之前已經說過了，自己拿Li-6400做實驗的結果不被認可，盡管結論很漂亮，想法沒問題，但是審稿人認為方法不對，葉片尺度的測量不能和冠層尺度直接比較。于是想盡一切辦法去找冠層尺度的LUE數據，后來才知道原來只有通量數據測量冠層LUE。于是在973張掖實驗時，整了一些盈科通量數據，可惜不太會數據處理，只能勉強整理出一個月的數據，用MODIS驗證模型時，只能用每天的MODIS數據，云檢測之后只有16天的數據能用。好在JGR的審稿人比較大度，可能是更關注想法吧，讓我過了。但是自己不甘心，想用長期數據，于是google了半天，找來了Harvard forest的數據，跟PI交流了幾次，說明數據的用途，得到了一些建議，最終把JGR的模型用在了4年的數據尺度上，就有了最近的RSE文章。

總結：

1）  關于數據共享

一方面我們提倡數據共享，一方面也要對自己共享出去的數據負責。對此，必須對自己的數據有信心，從測量到處理。

2）  關于積累想法

多看文獻，看別人怎么做的，怎么說的，想辦法解決別人的小問題。當解決了很多人的小問題時，一些大問題可能就被你解決了。有些人似乎不屑于解決小問題，總想一下子弄個類似SAIL模型的東東出來，這太難了。可能不是一個人一個博士學位的時間能完成的：）

3）  關于寫文章

多動手、不怕錯、保持好被退稿的心態。借用老外的一句話和大家共勉，適用于文章和基金申請。

Believe me everyone was in your situation！