基于VIP模型评估不同全局敏感性分析方法有效性及效率

作者：何力鸿; 莫兴国^*; 刘苏峡

来源：农业工程学报, 2020, 36(16): 78-84.

• 模型
• 敏感性分析
• 土壤硝态氮
• PSUADE
• 抽样方式

参数敏感性分析可提高复杂过程模型参数优化及模型应用效率。为评估不同全局敏感性分析方法在筛选农田生态系统模型敏感参数时的有效性及其效率,该研究以VIP (Vegetation Interface Processes)模型模拟华北平原土壤硝态氮为例,对比分析PSUADE (Problem Solving Environment for Uncertainty Analysis and Design Exploration)提供的8种敏感性分析方法在筛选华北平原农田土壤硝态氮敏感参数时的有效性及其效率。结果表明:在验证敏感性分析方法有效性时,Spearman秩相关系数(Spearman’s correlation coefficient,SPEA)法和Gaussian Process (GP)法与其他方法的敏感参数筛选的结果差异较大;多元自适应回归样条(Multivariate Adaptive Regression Splines,MARS)、Delta Test (DT)、Sum of Trees(SOT)法、McKay法、Morris法和Sobol’法能有效筛选出敏感参数。在分析敏感性方法效率时发现,正交阵列(Orthogonal Array,OA)和基于拉丁超立方的正交阵列(OrthogonalArray-BasedLatinHypercubes,OALH)抽样方式最适于多元自适应回归样条法(Multivariate Adaptive Regression Splines,MARS),所需样本量为361。蒙特卡罗(Monte Carlo,MC)抽样方式最适合DT和SOT敏感性分析方法,所需最小样本量分别为425和510;与其他抽样方式相比,OALH抽样更适合McKay敏感性分析方法,需要样本量最少;Morris法和Sobol’法所需最小样本量分别为340和810。对于复杂过程模型,可先选用定性敏感性分析方法以较低的计算成本选择敏感的参数,再进行模型参数优化和不确定性分析。

• 单位
  中国科学院大学; 中国科学院地理科学与资源研究所