如何把你的想法写成文章

     但是，有数据就有文章吗？当然不是。这里面主要有两个原因。首先是我们对数据的初步分析和处理能力有待提高。举个例子，我写的一篇关于GPP的文章，通量数据的处理时一个非常需要体力和耐力的工作。尤其是NEE（生态系统交换量）和GPP（初级生产力）的gap-filling，在处理Harvaed forest的原始通量数据时，请教过很多用过通量数据的大牛、小牛、老牛。几乎没有一个人能完整的说出做法，没办法，只能自己根据文献来做，很是艰难。数据处理是验证模型真实性的前提，如果对自己处理的数据都没有信心，又怎么敢说模型的潜力和精度？君不见N多数据躺在课题组用不上，没有说明，没有处理。很多大项目，如973： （，大量的数据因为没有专业的处理人员而静静地躺在硬盘里。偶尔有个人想用，钻研一下处理方法，用一下，这样的数据达不到真正的共享。很多时候，不是我们 不愿意共享，实在是别人给你共享了，他给你的数据也是最原始的（可能他也不会处理），你想用，自己学方法吧。这可能也是数据难以共享的原因之一吧。

第二个原因我觉得还是新的想法，就是我们老挂在嘴边的idea。 我老觉得文章来源于想法，而不是数据，这话不能说的太绝对，偶尔有超人直接从数据看出规律，来个大理论也有可能。从我自身的经验出发，写文章首先是根据已 经有的知识（如读文献，看别人的结论和不足），从别人指出的不足出发，考虑自己有没有办法解决这个不足。想想，能不能走通，要什么数据来解决，怎么设计实 验，用什么样本，数据怎么分析，可能的误差来源是什么，如果有出入怎么解释，等等。首先是某一个想法驱动着去做实验，获取数据，验证想法，如果正确，可以 去写文章了。如果不正确，大多数时候也能写一篇文章，就看你能不能把问题解释清楚，很多杂志都已开始注意失败实验的价值，应该说是一种进步吧。举个自己的 例子，我最开始做PRI指数反演光能利用率时，一个日本人，Nakaji（06，IJRS）的结果说PRI在反演整个森林一年中的LUE变化时存在不足，尤其是当叶片枯黄的时候，PRI就不适用了。原因是PRI关注于叶黄素的循环，是一种间接反映光合作用的过程，当色素衰亡的时候，PRI的作用机理就不存在了。在验证这个观点时，我们用了冬小麦，确实对于生长末期的情况不适用。对此，我想的办法是引入叶绿素含量的波段，因为有人（Inoue，08，RSE）说叶绿素的变化和LUE也有关系，因此想把叶绿素的信息引入进来。但是叶绿素有N多波段，到底用哪个呢？最开始用670-680nm，结果不好，尤其是对生长旺盛的小麦，后来改用550nm，结果有了点提高，怎么解释呢？从PROSAIL模拟分析是670-680nm容易饱合。最终用550nm的反射率改进了PRI，发表了自己的第二篇SCI文章。

李老师建议说说怎么有GPP那篇文章的，其实之前已经说过了，自己拿Li-6400做实验的结果不被认可，尽管结论很漂亮，想法没问题，但是审稿人认为方法不对，叶片尺度的测量不能和冠层尺度直接比较。于是想尽一切办法去找冠层尺度的LUE数据，后来才知道原来只有通量数据测量冠层LUE。于是在973张掖实验时，整了一些盈科通量数据，可惜不太会数据处理，只能勉强整理出一个月的数据，用MODIS验证模型时，只能用每天的MODIS数据，云检测之后只有16天的数据能用。好在JGR的审稿人比较大度，可能是更关注想法吧，让我过了。但是自己不甘心，想用长期数据，于是google了半天，找来了Harvard forest的数据，跟PI交流了几次，说明数据的用途，得到了一些建议，最终把JGR的模型用在了4年的数据尺度上，就有了最近的RSE文章。

总结：

1）  关于数据共享

一方面我们提倡数据共享，一方面也要对自己共享出去的数据负责。对此，必须对自己的数据有信心，从测量到处理。

2）  关于积累想法

多看文献，看别人怎么做的，怎么说的，想办法解决别人的小问题。当解决了很多人的小问题时，一些大问题可能就被你解决了。有些人似乎不屑于解决小问题，总想一下子弄个类似SAIL模型的东东出来，这太难了。可能不是一个人一个博士学位的时间能完成的：）

3）  关于写文章

多动手、不怕错、保持好被退稿的心态。借用老外的一句话和大家共勉，适用于文章和基金申请。

Believe me everyone was in your situation！