A new application of conditional nonlinear optimal perturbation approach to boundary condition uncertainty
A new application of conditional nonlinear optimal perturbation approach to boundary condition uncertainty
复制标题
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
复制
发表时间：
2015-12
期刊：
影响因子：
--
通讯作者：
Mu Mu
中科院分区：
文献类型：
--
作者：
Qiang Wang;Mu Mu
采用条件非线性最优摄动法研究了初始条件和模型参数的不确定性对模型结果的影响。本研究提出了一个新的应用程序的hocP方法的边界条件的不确定性的影响的调查。具体来说，我们首先给出了一般的制定的hocP方法的初始和边界条件和模型参数的不确定性。然后，该方法应用于分析营养扰动的影响，在底部边界的水柱上模拟的深叶绿素最大值（DCM）使用海洋生态系统模型。结果表明，底边界营养盐扰动对模拟的DCM有显著影响。有趣的是，该方法还揭示了非线性过程中发挥重要作用的浮游植物扰动所造成的底边界的营养扰动的演变。这意味着，hocP方法是有用的调查边界条件的不确定性的影响。
The conditional nonlinear optimal perturbation (CNOP) approach was mainly used to investigate the effects of the uncertainties in initial condition and model parameters on model results. This study presents a new application of the CNOP approach to the investigation of the effects of boundary condition uncertainty. Specifically, we first give the general formulation of the CNOP approach for uncertainties of initial and boundary conditions and model parameters. The method is then applied to analyze the effects of nutrient perturbations at the bottom boundary of the water column on the modeled deep chlorophyll maximum (DCM) using an ocean ecosystem model. The results show that nutrient perturbations at the bottom boundary have significant impacts on the modeled DCM. Interestingly, the approach also reveals that nonlinear processes play important roles in the evolution of phytoplankton perturbations caused by nutrient perturbations at the bottom boundary. This implies that the CNOP approach is useful for investigating the effects of boundary condition uncertainty.
登录
查看更多内容
影响因子：
5.8
作者：
Qiang Wang;M. Mu;H. Dijkstra
通讯作者：
Qiang Wang;M. Mu;H. Dijkstra
影响因子：
5.2
作者：
G. Navarro;J. Ruiz
通讯作者：
G. Navarro;J. Ruiz
影响因子：
3.2
作者：
J. Srinivasan;G. Smith
通讯作者：
J. Srinivasan;G. Smith
影响因子：
3.1
作者：
G. Katul;J. Albertson;C. Hsieh;P. Conklin;J. Sigmon;M. Parlange;K. Knoerr
通讯作者：
G. Katul;J. Albertson;C. Hsieh;P. Conklin;J. Sigmon;M. Parlange;K. Knoerr
影响因子：
4.9
作者：
C. Tebaldi;Richard L. Smith;D. Nychka;L. Mearns
通讯作者：
C. Tebaldi;Richard L. Smith;D. Nychka;L. Mearns