基于全局敏感性分析和貝葉斯方法的WOFOST作物模型參數(shù)優(yōu)化.pdf

《基于全局敏感性分析和貝葉斯方法的WOFOST作物模型參數(shù)優(yōu)化.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第32卷第2期農(nóng)業(yè)工程學(xué)報(bào)·、，r01．32No．2基于全局敏感性分析和貝葉斯方法的WOFOST作物模型參數(shù)優(yōu)化何亮1，侯英雨1，趙剛2，鄔定榮3，于強(qiáng)4,5(1．國家氣象中心，北京100081；2．德國波恩大學(xué)作物科學(xué)研究組，波恩D．53115；3．中國氣象科學(xué)研究院，北京100081；4．中國科學(xué)院地理科學(xué)與資源研究所陸地水循環(huán)與地表過程重點(diǎn)實(shí)驗(yàn)室，北京100101；5．澳大利亞悉尼科技大學(xué)生命科學(xué)學(xué)院，悉尼2007)摘要：作物模型參數(shù)的敏感性分析、標(biāo)定和驗(yàn)證可以提高模型的效率和精準(zhǔn)度，進(jìn)而為模型應(yīng)用做好準(zhǔn)備工作。該研究結(jié)

2、合參數(shù)全局敏感性分析方法以及貝葉斯后驗(yàn)估計(jì)理論的馬爾科夫蒙特卡洛(MarkovChainMonteCarlo，MCMC)方法，以華北欒城站三年的冬小麥觀測數(shù)據(jù)(葉面積和地上生物量)為參照，對WOFOST模型的55個品種參數(shù)進(jìn)行了敏感性分析、篩選和優(yōu)化。發(fā)現(xiàn)：1)對葉面積影響較大的參數(shù)為：生育期為0、O．5、0．6和O．75時的比葉面積、生育期為1．5時的最大光合速率、葉面積指數(shù)最大增長率；對地上干物質(zhì)影響較大的參數(shù)為：生育期為1。5時的最大光合速率、生育期為0時的比葉面積、35℃時葉面積的生命周期、生育期為0時的散射消光系數(shù)、

3、生育期為1．8時的最大光合速率、儲存器官的同化物轉(zhuǎn)換效率。2)潛在和雨養(yǎng)產(chǎn)量水平下，最大葉面積和地上生物量對參數(shù)的敏感性差異不大。3)馬爾科夫蒙特卡洛方法(MCMC)可以對WOFOST模型品種參數(shù)較好地優(yōu)化；設(shè)計(jì)的3種校正．驗(yàn)證方案中，第1種方案(用1998—1999年作為校正年份，1999--2000年，2000--2001年作為驗(yàn)證年份)模擬效果最好。4)優(yōu)化后的參數(shù)，模型對潛在產(chǎn)量水平模擬較好，一致性指數(shù)均大于0．9，相對均方根誤差小于20％；而對有水分脅迫的雨養(yǎng)情況下比潛在產(chǎn)量水平的模擬結(jié)果差，表明模型對水分脅迫的模擬

4、不足。該研究為WOFOST模型區(qū)域應(yīng)用和模型調(diào)整優(yōu)化提供科學(xué)理論依據(jù)。關(guān)鍵詞：模型；作物；優(yōu)化；WOFOST；全局敏感性分析；MCMC；模型參數(shù)優(yōu)化doi：10．11975／j．issn．1002-6819．2016．02．025中圖分類號：S512．1文獻(xiàn)標(biāo)志碼：A文章編號：1002—6819(2016)一02—0169—11何亮，侯英雨，趙剛，鄔定榮，于強(qiáng)．基于全局敏感性分析和貝葉斯方法的WOFOST作物模型參數(shù)優(yōu)化[J]．農(nóng)業(yè)工程學(xué)報(bào)，2016，32(2)：169—179．doi：10．11975／j．issn．1002

5、—6819．2016．02．025http：／／www．tcsae．orgHeLiang，HouYingyu，ZhaoGang，WuDingrong，YuQiang．ParametersoptimizationofWOFOSTmodelbyintegrationofglobalsensitivityanalysisandBayesiancalibrationmethod[J】．TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCS

6、AZ)，2016，32(2)：169—179．(inChinesewithEnglishabstract)doi：10．11975，j．issn．1002—6819．2016．02．025http：／／www．tcsae．org0引言模型的標(biāo)定(calibration)和驗(yàn)證(validation)等準(zhǔn)備工作是基于機(jī)理作物模型應(yīng)用的前提。對于基于機(jī)理的作物模型，參數(shù)眾多。作物模型的很多參數(shù)(如比葉面積)不能通過田間觀測直接獲得，而是需要通過可觀測的變量(如葉面積指數(shù))進(jìn)行反演。通過準(zhǔn)確的方法獲得模型參數(shù)是進(jìn)行模型應(yīng)用、提高模型

7、可預(yù)報(bào)性的前提【l】。根據(jù)觀測值反推參數(shù)屬于參數(shù)估計(jì)問題。對于線性方程或者簡單的非線性方程可以用最／bz．乘法來解決?；谶^程的作物模型，刻畫了光合、干物質(zhì)分配、土壤水分運(yùn)移和蒸發(fā)等眾多生物物理過程，往往包含的方程較多，模型的非線性效應(yīng)很明顯。對于一般的最小二乘法和非線性參數(shù)估計(jì)方法難以獲得全局的最優(yōu)解。一種收稿日期：2015．11—13修訂日期：2015．12—21基金項(xiàng)目：公益性行業(yè)(氣象)科研專項(xiàng)(GⅥ{Y201306052，GYHY201506001)作者簡介：何亮，男(漢族)，湖南永興縣人，博士，主要從事作物模型、農(nóng)

8、業(yè)氣象和全球變化研究。北京國家氣象中心，100081。Emaihheliang_hello@163．com常用的模型參數(shù)標(biāo)定是基于蒙特卡洛試錯法。這種方法根據(jù)以往的經(jīng)驗(yàn)或者參數(shù)文獻(xiàn)參考值重復(fù)和隨機(jī)地選擇參數(shù)，使得觀測值和模擬值擬合程度指標(biāo)：如決定系數(shù)(尺2)、相關(guān)系數(shù)、均根方