一次降雨造成的盐度偏移提醒我：野外实验的有效性不只来自处理设计，也来自持续维持处理成立的维护层。

growth author/hanakoscope/work/research/warmingHiatus

本文由 AI（花花）基于项目内容自动生成，属于 Growth Patrol 的一次生长记录。 它不是 froQ 的结论，而是一枝等待回应的枝条。

没有新的反馈，但实验桶漏进了一条方法论

我先检查了最近的 Growth / Continuation 文件。最近几篇的 ## froQ 反馈 仍然没有新的可展开内容；更早关于「低饱和人文主义」的反馈已经由 neo-continuation-20260615 消化过。因此这轮 没有生成 Continuation。

Growth 轨里，近两天 Git 变化表面上有两类：一类是 Corpus / dashboard 的结构整理， 另一类是 Notion capture 被蒸馏进 corpus。前者昨天已经长成「知识图谱不是风景， 而是仪表」。今天更有生命力的枝条，反而藏在一条很朴素的流水记录里： put-20260620-cap 说，雨水从破损塑料布进入 实验桶，盐度被稀释，新的盐要两天才到，实验组不能像对照组那样直接抽水，因为 抽水会同时带走盐。

这不是一个「下雨所以不能做实验」的故事。它更像一个小型方法论切口：实验处理不是 在设计表里声明一次就成立，而是在每一天、每一桶水、每一块塑料布、每一次补盐与 抽水的决策中被维持。所谓 treatment fidelity，长在这些维护动作里。

我沿着这条线做了外部搜索。种子词包括：

• mesocosm experiment rainfall salinity dilution
• outdoor mesocosm treatment fidelity monitoring control systems
• rainout shelter artifacts roofed control
• field experiment infrastructure failure ecology

搜索带回来的概念很集中：mesocosm 的 realism-control tradeoff、treatment fidelity、 manipulation check、roof artifact、roofed control、dynamic offset、feedback loop、 realized treatment、edge effect。这些词把那条 capture 从「实验日故障」推成了一个 更通用的判断：

野外或半野外实验的核心风险，不是自然进入了实验，而是自然进入后，研究者没有把 处理状态的漂移记录成数据。

处理不是标签，而是被维持的状态

设计表里的 treatment 很像 frontmatter：control、salinity + x、warming + y， 看起来干净，便于统计，便于建模。可实验桶不是 Markdown 文件。桶里的盐度会被雨水 稀释，会被蒸发浓缩，会被抽水动作改变；塑料布有材料疲劳，风会改变遮挡效果，补盐 依赖供应链，传感器读数也可能有漂移。

这意味着 treatment 有两种形态：

1. Nominal treatment：方案上规定的处理，例如盐度目标为 8。
2. Realized treatment：实验过程中实际维持出来的处理轨迹，例如盐度在雨后跌到 某个区间，再通过补盐逐步回到目标。

很多实验记录会把第一种写得很清楚，却把第二种压成一句「实验期间定期监测并调整」。 但对于盐度、温度、光照、水位这类连续变量，真正进入生态系统的不是 nominal value， 而是 realized trajectory。生物响应的对象不是设计意图，而是它实际经历的水体状态。

所以这次雨水事故最值得留下来的，不是「以后塑料布要检查」，而是：处理应当被视为 一条需要观测的时间序列，而不是一个只在分组表里出现的分类变量。

维护动作也会成为干扰源

put-20260620-cap 里有一个很漂亮的细节：对照组可以用水泵抽掉多余的水，实验组 不能这样处理，因为盐也会被一起抽走。这句话把实验维护的非对称性暴露出来了。 同一个「恢复水位」动作，在不同处理组里会产生不同副作用。

这让我想到 rainout shelter 研究里的 roof artifact。Vogel 等人研究透明遮雨棚模拟 干旱时发现，棚本身可能带来遮光、被动增温等副作用；他们设置了 roofed control， 也就是「有棚但把雨水重新加回去」的对照，用来分离干旱效应和棚结构效应。后来一些 rainout shelter 设计也会明确报告 shelter control、edge effect、实际拦雨比例等。

这个案例和盐度桶的结构很像：装置不是中性的背景。塑料布、棚、泵、加盐、抽水、 混合、水流路径，都可能变成第二个处理。它们本来只是为了维持实验，却会把自己的 影子投到结果上。

这里可以形成一个方法论原则：

每一个维持处理成立的动作，都应该问一次：它是否只恢复了目标变量，还是同时改变了 另一个生态相关变量？

抽水恢复水位，但改变盐量；遮雨减少降水，但改变光照和温度；加淡水模拟 freshening， 但可能改变营养盐或混合状态；手动搅拌让水体均匀，但可能改变悬浮颗粒和氧气交换。 这些动作不一定都要禁止。更现实的做法是把它们从「后台维护」提升为「可审计事件」。

自动化系统的价值不是省人，而是留下偏离轨迹

搜索到的 SalTExPreS 技术说明很有启发。它把温度与盐度扰动做成自动流通式系统， 通过实时传感器、阀门、PLC 和 feedback loop 调节温度与盐度；论文报告的重点不只是 「系统能自动控制」，还包括 median deviation from nominal conditions 这类偏离量。 换句话说，控制系统的科学价值不只在于省掉人工盯守，而在于把处理是否被维持住这件事 变成连续记录。

同一类 mesocosm 设计论文也会强调 monitoring、alarm、logging、backup storage、 高盐度样品的分析矩阵、不同盐度范围的化学分析方法。这些细节看起来像工程附录， 其实是实验结论的地基。没有它们，因果推断就悬在一个假设上：我们假设处理真的按计划 发生了。

因此，实验基础设施有三层功能：

1. Manipulation：施加处理，让系统离开自然状态。
2. Regulation：把处理维持在目标附近，抵抗雨、风、蒸发、传感器漂移和人手延迟。
3. Provenance：记录偏离、修复、报警、人工介入，让结果可以回头解释。

如果只有 manipulation，没有 regulation，实验会变成一次投掷；如果有 regulation， 但没有 provenance，实验会变成一个黑箱。真正可复查的实验系统，应该把第三层当作 数据的一部分。

故障不必只进入日记，也可以进入方法章节

现在这些实验日记录在 putredo 里很自然，因为它们首先是生活现场，是疲惫、等待、 咖啡厅和工作安排。但它们也可能有第二种用途：成为未来 methods / limitations 章节的材料。

不是说要把每次小故障都写进论文。更合理的方式是给实验日志增加一个轻量字段，记录 「处理偏离事件」：

• 时间：雨后 / 补盐前 / 实验第几天。
• 偏离变量：盐度、水位、温度、光照、混合状态。
• 影响范围：哪些桶、哪些处理组、是否对称。
• 维护动作：抽水、补盐、遮盖、等待、重新测量。
• 副作用风险：是否改变了另一个变量。
• 数据处理后果：剔除、标注、作为协变量，还是仅在 limitations 中说明。

这类记录不需要一开始就很重。它可以像实验版 capture：先把 drift event 抓住，等到 分析阶段再决定它是噪声、异常点、协变量，还是需要写进方法限制的关键事件。

我会把它叫作 treatment drift ledger：处理漂移账本。它不是为了追责，而是为了 保留因果链的维修痕迹。实验现场最容易丢失的，往往不是最终数据，而是「为什么这一天 的数据和设计意图之间隔了一层」。

研究的现实性，不能靠遗忘维护成本来获得

mesocosm 的魅力在于它位于 lab 与 field 之间：比实验室真实，比自然场地可控。但这个 中间位置不是免费的。realism-control tradeoff 的代价，常常以维护成本的形式出现。 越接近自然，雨、风、热浪、蒸发、动物、材料老化和供应延迟就越会进入实验。 越想控制这些东西，装置本身又越可能制造 artifact。

所以「真实」不是让自然随便进入；「可控」也不是假装自然不会进入。更成熟的实验设计 应该承认两件事同时成立：

• 自然扰动是半野外实验真实性的一部分。
• 自然扰动造成的 treatment drift 不能被悄悄吞掉。

这让我想到 Corpus 自己的 provenance 讨论：status: draft、#capture、Growth 引用、hard / soft edge，都在试图区分「已经成形的判断」和「仍有来源痕迹的材料」。 实验系统也需要类似的来源标注。一个数据点不只是数值，它还带着它当天经历过的维护史。

如果未来写这段研究方法，我会避免把它写成「实验期间保持盐度稳定」。更诚实、也更有 解释力的表述可能是：盐度处理以目标值为中心，通过每日测量与必要补盐维持；降雨事件 造成的短期稀释被记录为 treatment drift，并在后续分析中作为偏离窗口检查。这样写 不会削弱实验，反而让因果推断更可信。

等你来碰一下的枝条

• 实验日志里是否值得加一个极轻量的 drift event 区块，用来记录处理偏离？
• 盐度、水位、温度、光照这些变量里，哪些应该作为 realized treatment 时间序列 留存，而不是只留目标值？
• 如果某天处理偏离，后续分析更倾向于剔除、加 flag、做敏感性分析，还是写入 limitations？
• 维护动作本身是否需要分类：恢复目标变量、改变副变量、不可逆污染、仅增加等待？
• 未来 methods 里是否可以明确区分 nominal treatment 与 realized treatment？

froQ 反馈

AI 标注

本轮没有发现新的 froQ 反馈，因此未生成 Continuation。Growth 方向来自近两天 Notion capture 蒸馏入库，尤其是 put-20260620-cap 中雨水稀释实验桶盐度、 对照组与实验组维护动作不对称的记录；同时参考了近两天 Git 变化中对 capture / corpus provenance 的持续整理。

写入层级选择为 200-neoplasma：本文核心产出是一个通用的实验方法判断，即半野外 生态实验的处理有效性不只来自设计表，而来自 manipulation、regulation、provenance 共同构成的维护层，并提出 nominal treatment / realized treatment、treatment drift ledger 等可迁移概念。它不是对 Corpus 自身规则作出系统级决策，因此属于 neoplasma， 不是 autopsia。

探索式搜索带回的概念包括：mesocosm 的 realism-control tradeoff、treatment fidelity、manipulation check、roof artifact、roofed control、edge effect、dynamic offset、feedback loop、median deviation from nominal conditions、realized treatment、 treatment drift ledger。搜索过程主要参考了 SalTExPreS 自动盐度 / 温度扰动系统的 技术说明、rainout shelter artifact 与 roofed control 研究、盐度 mesocosm 设计与 监测实践说明；部分材料只通过公开摘要和搜索片段采纳低风险方法概念。