[논문 리뷰] Sensitivity analysis of spatio-temporal models describing nitrogen transfers, transformations and losses at the landscape scale

Jordi Ferrer, Damien Franqueville외 6명|arXiv (Cornell University)|2017. 09. 25.

Soil and Water Nutrient Dynamics참고 문헌 35인용 수 8

한 줄 요약

이 연구는 랜드스케일에서 질소 순환의 주요 원인을 규명하기 위해 공간적, 시간적, 다변량 출력 집계를 클러스터 분석과 융합한 NitroScape 모델에 대한 종합적인 민감도 분석 프레임워크를 제시한다. 이 방법은 수문학적 성질과 비료 유형이 가장 영향력 있는 요소임을 드러내며, 모델 해상도가 특히 세밀한 공간적 및 시간적 척도에서 출력에 상당한 영향을 미친다.

ABSTRACT

Modelling complex systems such as agroecosystems often requires the quantification of a large number of input factors. Sensitivity analyses are useful to determine the appropriate spatial and temporal resolution of models and to reduce the number of factors to be measured or estimated accurately. Comprehensive spatial and temporal sensitivity analyses were applied to the NitroScape model, a deterministic spatially distributed model describing nitrogen transfers and transformations in rural landscapes. Simulations were led on a theoretical landscape that represented five years of intensive farm management and covering an area of $3\\, km^2$. Cluster analyses were applied to summarize the results of the sensitivity analysis on the ensemble of model outputs. The methodology we applied is useful to synthesize sensitivity analyses of models with multiple space-time input and output variables and could be ported to other models than NitroScape.

연구 동기 및 목표

• 랜드스케일에서 공간적 및 시간적 해상도가 질소 이동 및 전환 모델에 미치는 영향을 평가하기 위해.
• 출력에 미치는 영향이 최소인 입력 요인을 식별하여 모델의 복잡성을 줄이고, 효율적인 데이터 수집 및 모델 校정을 가능하게 하기 위해.
• 다양한 공간적 및 시간적 분포를 가진 출력에 대한 민감도 분석을 통합해 해석하는 방법을 개발하기 위해.
• 입력 불확실성, 모델 해상도, 관리 관행이 질소 연쇄 반응 결과에 미치는 상대적 영향을 비교하기 위해.
• NitroScape를 초월한 다른 시공간 농업생태계 모델에 적용 가능한 확장 가능한 방법론을 제공하기 위해.

제안 방법

• 3 km² 이론적 랜드스케일에서 5년간의 집중 농업 조건을 기반으로 NitroScape 모델에 대한 종합적인 분산 기반 민감도 분석을 수행하였다.
• 주 효과 및 상호작용 효과를 정량화하기 위해 Sobol’ 지수와 Hilbert-Schmidt 독립성 기준(HSIC)을 적용하여 다변량 공간적·시간적 분포 출력에 대한 입력 요인의 영향을 분석하였다.
• 민감도 지수에 대한 계층적 클러스터링을 적용하여 입력 요인에 대한 반응 패턴이 유사한 출력을 군집화함으로써 차원 축소 및 패턴 인식을 가능하게 하였다.
• 공간적·시간적 집계를 통해 다양한 척도에서 민감도를 평가하였으며, 농지 이용 및 기상 조건(예: 강우 후 사건)을 포함하였다.
• 색상 코드 클러스터(그림 6 및 7)를 사용하여 시간과 공간 전반의 민감도 패턴을 요약한 시각화를 수행하였다.
• 수평 해상도(A), 수직 해상도(B), 토양 수문학적 성질(C, D), 비료 유형(J), 관리 관행(K) 등을 포함한 12개의 입력 요인의 영향을 평가하였다.

실험 결과

연구 질문

• RQ1 랜드스케일에서 NitroScape 모델의 질소 이동, 전환 및 유실에 가장 크게 영향을 미치는 입력 요인은 무엇인가?
• RQ2 공간적 및 시간적 모델 해상도는 질소 출력 변수의 민감도에 어떻게 영향을 미치는가?
• RQ3 입력 요인 간의 상호작용 효과가 주 효과에 비해 출력 변동성에 기여하는 정도는 어느 정도인가?
• RQ4 민감도 지수의 클러스터링은 입력 변화에 유사하게 반응하는 출력 그룹을 식별하는 데 도움이 되는가?
• RQ5 출력 집계 척도(공간적, 시간적, 또는 농지 이용 기준)가 핵심 입력 요인 식별에 어떻게 영향을 미치는가?

주요 결과

• 토양의 수문학적 특성(예: 수평 이행도, 요인 C)과 비료 유형(J)이 가장 영향력 있는 요소였으며, 다수의 출력에 높은 주 효과를 보였다.
• 모델 수평 해상도(A)는 국소적 영역에서는 여러 출력에 상당한 영향을 미쳤지만, 집계 수준에서는 그렇지 않았다.
• 수직 해상도(B)는 두 개의 집계 출력에 유의미한 영향을 미쳤다: 0–60 cm 토양 NH₄⁺ 양 및 지하수 내 NO₃⁻ 농도.
• 상호작용 항목은 개별 출력 변수에 대해 중간에서 높은 영향을 미쳤지만, 출력이 공간적 또는 시간적으로 집계될 경우 그 영향력이 감소하였다.
• 미세공극비율 대 거대공극비율 비율(G) 및 중간 토양층 두께(H)와 같은 요인들은 영향이 거의 없었으며, 향후 분석에서 제외할 수 있었다.
• 클러스터 분석은 민감도 패턴이 유사한 출력을 군집화하였다. 예를 들어, 클러스터 4는 지하수 내 NH₄⁺와 표면 토양 내 NO₃⁻를 포함하였으며, 둘 다 토양 수평 이행도(C)에 매우 민감했지만, 반응 방향은 반대였다.