Impacts of parameter uncertainties on deep chlorophyll maximum simulation revealed by the CNOP-P approach
Impacts of parameter uncertainties on deep chlorophyll maximum simulation revealed by the CNOP-P approach
复制标题
CNOP-P 方法揭示的参数不确定性对深层叶绿素最大值模拟的影响
DOI：
10.1007/s00343-020-0020-y
复制
发表时间：
2020-06
影响因子：
1.6
通讯作者：
Zhang Kun
中科院分区：
文献类型：
--
作者：
Gao Yongli;Mu Mu;Zhang Kun
在海洋生态系统模拟中，参数的不确定性是不确定性的主要来源。深层叶绿素最大值（DCM）是海洋中普遍存在的生态现象。利用理论营养物-浮游植物模型和与参数相关的条件非线性最优摄动方法，研究了参数不确定性对DCM模拟的影响。首先，对单个参数的灵敏度进行了分析。通过对前4个参数的具体分析，得出10个参数的敏感性排序。最敏感的参数（背景浊度）影响DCM形成的光供应，而其他三个参数（浮游植物养分含量、养分循环系数和垂直湍流扩散系数）控制养分供应。为了探索不同参数之间的相互作用，通过考察4个参数的组合，进一步研究了多个参数的灵敏度。结果表明，在最优参数组合中，背景浊度被浮游植物损失率所取代。此外，我们发现这些参数之间的相互作用是造成这种差异的原因。最后，我们发现减少敏感参数的不确定性可以显著改善DCM模拟。与单参数分析中识别的敏感参数相比，在优化组合中减少参数的不确定性可以获得更好的模型性能。该研究表明了各参数之间的非线性相互作用对识别敏感参数的重要性。在未来，与参数相关的条件非线性最优摄动方法，特别是最优参数组合，有望极大地改善复杂生态系统模型中的DCM模拟。
Parameter uncertainty is a primary source of uncertainty in ocean ecosystem simulations. The deep chlorophyll maximum (DCM) is a ubiquitous ecological phenomenon in the ocean. Using a theoretical nutrients-phytoplankton model and the conditional nonlinear optimal perturbation approach related to parameters, we investigated the effects of parameter uncertainties on DCM simulations. First, the sensitivity of single parameter was analyzed. The sensitivity ranking of 10 parameters was obtained by analyzing the top four specifically. The most sensitive parameter (background turbidity) affects the light supply for DCM formation, whereas the other three parameters (nutrient content of phytoplankton, nutrient recycling coefficient, and vertical turbulent diffusivity) control nutrient supply. To explore the interactions among different parameters, the sensitivity of multiple parameters was further studied by examining combinations of four parameters. The results show that background turbidity is replaced by the phytoplankton loss rate in the optimal parameter combination. In addition, we found that interactions among these parameters are responsible for such differences. Finally, we found that reducing the uncertainties of sensitive parameters could improve DCM simulations remarkably. Compared with the sensitive parameters identified in the single parameter analysis, reducing parameter uncertainties in the optimal combination produced better model performance. This study shows the importance of nonlinear interactions among various parameters in identifying sensitive parameters. In the future, the conditional nonlinear optimal perturbation approach related to parameters, especially optimal parameter combinations, is expected to greatly improve DCM simulations in complex ecosystem models.
登录
查看更多内容
影响因子：
3.5
作者：
B. Weir;Robert N. Miller;Y. Spitz
通讯作者：
B. Weir;Robert N. Miller;Y. Spitz
DOI：
10.1007/978-94-011-5096-5
发表时间：
1998
期刊：
--
影响因子：
--
作者：
E. Chassignet;J. Verron
通讯作者：
E. Chassignet;J. Verron
影响因子：
5.2
作者：
G. Navarro;J. Ruiz
通讯作者：
G. Navarro;J. Ruiz
条件非线性最优摄动方法在边界条件不确定性中的新应用
DOI：
10.1002/2015jc011095
发表时间：
2015-12
期刊：
J. Geophys. Res.
影响因子：
--
作者：
Qiang Wang;Mu Mu
通讯作者：
Mu Mu
DOI：
10.1007/978-94-011-5096-5_16
发表时间：
1998
期刊：
--
影响因子：
--
作者：
G. Evensen;D. Dee;J. Schröter
通讯作者：
G. Evensen;D. Dee;J. Schröter