基于过程模型CROBAS的全局灵敏度分析方法比较

过程机理模型在开发过程中常受限于生理学参数无法直接或准确测量。全局灵敏度分析可以评估模型预测结果对于生理学参数变化的响应,为模型结构改进、数据收集和参数校准提供参考。本研究基于过程模型CROBAS,以华山松为例,选取模型中描述树木结构关系的10个参数,以树高和各器官生物量的Nash-Sutcliffe效率(NSE)为目标函数,比较了3种应用较广泛的全局灵敏度分析方法,即Morris筛选法、基于方差的Sobol指数法和扩展的傅里叶幅度检验法(EFAST)。结果表明: 参数灵敏度排序在不同方法中仅略微有所变化,但对于不同目标函数则区别明显。对算法耗时和收敛效率而言,Morris和EFAST性能较高,Sobol效率相对较低。所有模型输出变量均对单位面积年最大光合速率、比叶面积、消光系数敏感,林冠光截留状态对于林木生长量有着关键性影响,意味着光合固碳量是CROBAS在模型校正和林木生长动态模拟中需要优先进行数据收集、验证与测试的模块。灵敏度分析同时表明,碳平衡理论在林木生物量模拟中最为核心部分是树叶生物量模块的计算与验证。对于复杂过程模型的参数灵敏度分析,如需定性研究可选Morris,而量化评估采用EFAST更适合。     

混合效应模型在林火发生预测中的适用性

林火是森林生态系统的重要影响因子,建立科学准确的林火预测预报模型对林火管理工作至关重要。本研究以不同气象因子为主要预测变量,基于Logistic回归和广义线性混合效应模型建立福建省林火发生预测模型,通过对比Logistic基础模型和广义线性混合效应模型的拟合度和预测精度,研究混合效应模型在林火预报中的适用性。结果表明: Logistic基础模型的受试者工作特征曲线下面积(AUC)值为0.664,验证准确率为60.4%。添加随机效应后,模型的拟合和检验精度均获得了提升。其中,考虑行政区划和海拔差异效应的两水平混合效应模型的表现最优,其AUC值和验证准确率分别比基础模型提升0.057和6.0%。用此混合效应模型对福建省各地区的林火发生概率进行预测的结果表明,福建省西北部和南部为林火中高发区域,西南部和东部为林火低发区域,与实际观测的火点分布一致。混合效应模型在数据拟合和林火发生预测方面均优于Logistic基础模型,可作为林火预测和管理的重要工具。