陆面过程模式参数敏感性分析及参数优化-EFAST和CNOP方法的应用探索

As an important component of the numerical weather model, the land surface process model provides the underling heat, energy and material to the simulation of weather processes. Current land surface process models contain a large number of parameters, and the default value of these parameters are obtained from observation or empirical estimation mostly. But due to the restrictions of the actual conditons of observation and the level of scientific understanding, there are considerable deviation between default value and the true value, so they can not satisfy the practical needs. Our previous studies show that different underlying surface has different significant sensitive parameters. The simulation ability of land surface model can be improved obviously by optimizing the relatively sensitive parameters corresponding the underlying surface. Existing sensitivity analysis methods, which rarely consider the interactions among the different parameters, ignore the relationship among the parameters. So the results gained by using these method are not very credible.To compensate for this weakness, we try to use EFAST (Extended Fourier Amplitude Sensitivity Test)method into land surface process model parameters sensitivity analysis by taking full account of the interaction of multi-parameters. After we get the optimal parameters, we continue to expand the application of CNOP(Conditional Nonlinear Optimal Perturbation) method into parameter optimization, and improve the simulating ability of land surface process model by using the optimal parameters.

陆面过程模式作为数值天气模式的重要组成部分，为各种天气过程的模拟提供了底层的热量、能量和物质基础。现行的陆面过程模式中包含了大量的参数，这些参数的预设值大多来自观测和经验估计，但由于实际观测条件和科学认知水平的限制，往往存在相当的偏差，不能满足实际需要。我们前期的研究发现：不同类型的下垫面拥有不同的敏感参数，针对性的优化某类型下垫面的敏感参数，可以明显提高陆面过程模式在相应下垫面上的模拟能力。由于现行的陆面参数敏感性分析方法很少考虑参数之间的耦合，忽略了参数之间的相互限制和影响，使用这样的方法所获得的结果往往不够全面。为此，我们将EFAST（拓展傅里叶幅度敏感性检验方法）引入陆面过程模式参数敏感性分析，在充分考虑多参数相互作用的前提下，进行陆面过程模式参数敏感性分析，并在前期研究的基础上，继续拓展使用CNOP(条件非线性最优扰动)方法来对获得的敏感参数进行优化，使用优化参数提高模式性能。

现行的陆面过程模式中包含了大量的参数，这些参数的预设值大多来自观测和经验估计，但由于实际观测条件和科学认知水平的限制，往往存在相当的偏差，不能满足实际需要。我们前期的研究发现： 不同类型的下垫面拥有不同的敏感参数，针对性的优化某类型下垫面的敏感参数，可以明显提高陆面过程模式在相应下垫面上的模拟能力。由于现行的陆面参数敏感性分析方法很少考虑参数之间的耦合，忽略了参数之间的相互限制和影响，使用这样的方法所获得的结果往往不够全面。为此，我们将 EFAST（拓展傅里叶幅度敏感性检验方法）引入陆面过程模式参数敏感性分析，在充分考虑多参数相互作用的前提下，进行陆面过程模式参数敏感性分析，并在前期研究的基础上，继续拓展使用CNOP(条件非线性最优扰动)方法来对获得的敏感参数进行优化，使用优化参数提高模式性能。项目探讨了随机平衡傅里叶振幅敏感性分析方法 (RBD-FAST)和扩展傅里叶振幅敏感性分析方法 (EFAST)在陆面过程模式参数敏感性研究中的应用. 试验中使用通用陆面过程模式 (CoLM) 和通榆退化草地 2008 年夏季观测资料, 针对陆气相互作用中重要的要素: 感热通量 (SH)、潜热通量 (LH)、地表温度 (ST), 2 m 气温(T2m)和 2 m 湿度 (Q2m), 分析了11 个参数(土深、1—5层黏土比率、孔隙度、最大露水厚度、50% 植物根深、地表空气粗糙度和冠层下土壤拖曳系数)的敏感性大小. 结果表明, RBD-FAST和EFAST对参数的一阶敏感性检验结果较为一致且与之前的研究结果类似, EFAST 方法还可以得到考虑了参数间相互作用的整体敏感性. RBD-FAST的优势主要表现为在极大地减少了计算消耗机的同时, 一次取样即可计算所有参数的一阶敏感性, 而EFAST的优势则在于通盘考虑了参数之间的相互影响, 可以得到更为合理的整体敏感性序列. 针对不同需求, 选择使用这两种敏感性分析方法。在获得一阶和整体敏感性参数序列之后，继续进行了相应的参数优化试验研究，使用CNOP方法的设计思路，以差异进化算法作为整个参数优化的核心计算方法。分别对一阶敏感性参数和整体敏感性参数都做了优化试验。结果表明，一阶和整体敏感性参数经过优化之后都能提高模式模拟能力，而整体敏感性参数改进效果更为明显。合理运用这一系列方法有利于提高天气\气候模式中的陆面模块的性能。