全球陆面碳氮磷循环模式参数不确定性分析方法和应用研究

Accurately representing carbon-nitrogen-phosphorous cycles and their influence on climate change is an important scientific research topic today.Global land carbon-nitrogen-phosphorous cycle models are an indispenible tool for studying the related physical processes and impact on climate change. These models have complex model structure and are expensive to run. Further they have a large number of parameters. The specification of these parameters determines the accuracy of model simulations. The purpose of this study is to develop a systematic uncertainty quantification and parameter optimization method for global land carbon-nitrogen-phosphorous cycle models. This research will investigate effective sensitivity analysis methods; analyze all the adjustable parameters in the models; screen out the most important parameters; establishing a surrogate model to represent global land carbon-nitrogen-phosphorous cycle model; perform multiobjective parameter optimization. The innovations of this research lie in development of an uncertainty quantification and optimization method suited for large-scale complex dynamical system models and in solving the computational bottleneck of running global scale models. This research should help us gain understanding of the carbon-nirtrogen-phosphorous cycles and associated impact on climate change. It should also help improve the accuracy of the 21st century climate change projections.

准确表征碳氮磷循环过程及其对气候变化的影响是当今地学界的重要课题。全球陆面碳氮磷循环模式是研究相关过程不可或缺的工具，这些模式结构复杂，计算成本高，且模式中有大量可调参数，如何选取模式参数直接决定模拟结果。本研究探索如何降低模式参数带来的模拟不确定性，建立一套全球陆面碳氮磷循环模式参数不确定性分析和率定方法。具体内容包括研发对模式全部可调参数进行敏感性分析的方法，筛选出高敏感度参数，并研发统计替代模型来代表全球陆面碳氮磷循环模式的动态响应曲面，进行多目标全局参数优化。该研究的创新性在于开发一个适合大复杂动力系统模式的不确定性分析和优化方法，有效解决运算全球模式所面临的计算瓶颈问题。本研究拟提高人们对陆面碳氮磷循环过程及其对气候变化影响的认识，改善21世纪人类活动影响下气候变化预估的准确性。

全球陆面过程模式是气候模式中不可或缺的一环，是模拟和解释发生在陆地表层的能量-水文-生态过程的重要工具。然而，不同陆面过程模式对碳-水通量的模拟存在较大差异，并且在过去的二十年中这些差异并没有减小。陆面过程模式可调参数众多，参数的取值对结果影响很大。由于全球陆面模式结构复杂、消耗计算资源多，传统的参数优化方法需要模型运行上万次甚至更多才能完成参数优化，这样大的计算量难以接受。因此，本项目提出建立一套全球陆面模式参数不确定性分析方法，包括参数筛选、替代模型、参数优化等等，有效解决全球陆面模式参数优化所面临的计算瓶颈问题。在此基础上开发通用的不确定性量化软件包UQ-PyL，推广应用于其它复杂模型。.本项目选取CABLE (Community Atmosphere-Biosphere-Land Exchange)和JULES (Joint UK Land Environment Simulator)两个全球陆面模式，估计参数不恰当地取值引起的模式误差，筛选对模拟结果影响显著的敏感参数，并以总初级生产力GPP和潜热通量LE为目标进行参数优化。项目研究内容及成果如下：.（1）.误差量化：与1982-2005年的马克思-普朗克实验室的模式-数据产品(MPI)比较，两个陆面模式对GPP的估计存在显著的系统偏差，都高估了大部分陆地区域的LE，这些系统的模型偏差及其地区差异也随不同植物功能类型而变化。模式模拟的热带和亚热带地区的GPP和LE与MPI资料的差异较大。.（2）.参数筛选：首先对于两个陆面模式的不同植被功能类型，定性地筛选出最敏感参数；再使用定量方法评估已筛选参数对模拟误差的方差的贡献程度。结果表明两个模式中最敏感的参数是相似的。对于有植被覆盖的陆地，最敏感参数与光合作用速率密切相关。对于裸土，与土壤湿度相关的参数是最重要的。.（3）.参数优化：本研究采用基于统计替代模型的自适应优化算法 (ASMO)，优化两个陆面模式中已筛选的敏感参数。对于不同植被类型，参数优化可以减小CABLE模式5%-36%模式误差，JULES模式15%-65%的误差。对全球陆地格点的分析表明，参数优化可以改善两个模式全球74.62%和93.72%的陆地格点对GPP和LE的模拟能力。