[论文解读] A sequential approach to calibrate ecosystem models with multiple time series data

Ricardo Oliveros‐Ramos, Philippe Verley+1 more|arXiv (Cornell University)|Sep 21, 2015

Marine and fisheries research参考文献 49被引用 6

一句话总结

本文提出一种用于复杂生态系统模型的顺序多阶段校准方法，利用多条时间序列数据，根据参数的依赖关系和时间变异性对参数进行分类，以指导估计顺序。该方法应用于洪堡海流区的ROMS-PISCES-OSMOSE模型，通过系统性地拟合参数，在应对计算和数据限制的同时提升了模型的可信度。

ABSTRACT

Ecosystem approach to fisheries requires a thorough understanding of fishing impacts on ecosystem status and processes as well as predictive tools such as ecosystem models to provide useful information for management. The credibility of such models is essential when used as decision making tools, and model fitting to observed data is one major criterion to assess such credibility. However, more attention has been given to the exploration of model behavior than to a rigorous confrontation to observations, as the calibration of ecosystem models is challenging in many ways. First, ecosystem models can only be simulated numerically and are generally too complex for mathematical analysis and explicit parameter estimation; secondly, the complex dynamics represented in ecosystem models allow species-specific parameters to impact other species parameters through ecological interactions; thirdly, critical data about non-commercial species are often poor; lastly, technical aspects can be impediments to the calibration with regard to the high computational cost potentially involved and the scarce documentation published on fitting complex ecosystem models to data. This work highlights some issues related to the confrontation of complex ecosystem models to data and proposes a methodology for a sequential multi-phases calibration of ecosystem models. We propose criteria to classify the parameters of a model: model dependency and time variability of the parameters. These criteria and the availability of approximate initial estimates are used as decision rules to determine which parameters need to be estimated, and their precedence order in the sequential calibration process. The end-to-end ecosystem model ROMS-PISCES-OSMOSE applied to the Northern Humboldt Current Ecosystem is used as an illustrative case study.

研究动机与目标

• 解决将复杂、计算密集型生态系统模型校准至多条时间序列数据的挑战。
• 通过系统性地将模型与观测数据对比，提升模型可信度，尤其是在非商业物种数据稀疏的情况下。
• 通过结构化、顺序化的方法，减轻计算负担并提高生态系统模型校准的可重复性。
• 基于模型依赖关系和时间变异性，制定参数估计顺序的决策规则。
• 为将端到端生态系统模型拟合至真实世界观测数据，提供文档化、透明的框架。

提出的方法

• 该方法根据参数对其他参数的依赖关系及其时间变异性（静态与动态）对模型参数进行分类。
• 使用近似初始参数估计值作为输入，以引导顺序估计过程。
• 参数按阶段估计：首先估计静态且不依赖的参数；随后根据既定标准估计动态或依赖参数。
• 该方法利用多条时间序列数据（例如，物种丰度、捕捞量）通过模型模拟与对比，迭代优化参数值。
• 校准以分步方式进行，最大限度减少参数组之间的相互干扰，降低计算负载。
• 该方法以北洪堡海流生态系统中的ROMS-PISCES-OSMOSE端到端生态系统模型为案例进行应用。

实验结果

研究问题

• RQ1 如何有效校准高复杂度、计算成本高的生态系统模型至多条生态时间序列数据？
• RQ2 哪些标准可指导具有相互依赖参数的生态系统模型中参数估计的优先级与顺序？
• RQ3 如何在不损害可信度的前提下，将非商业物种的有限或低质量数据纳入模型校准？
• RQ4 与同时校准相比，顺序校准方法在提升模型拟合度和降低计算负担方面有多大改善？
• RQ5 能否为复杂生态系统模型建立一个透明、文档化且可重复的校准框架？

主要发现

• 顺序校准方法通过优先级明确、无重叠的序列估计参数，显著降低了计算成本。
• 该方法通过基于依赖关系和时间变异性系统性地拟合参数，减少了估计偏差，从而提升了模型可信度。
• 案例研究成功地将ROMS-PISCES-OSMOSE模型校准至多条时间序列，包括捕捞量和物种丰度数据。
• 使用近似初始估计值和结构化的决策规则，增强了校准过程中的收敛性和稳定性。
• 该方法提供了一个透明且可重复的框架，解决了生态系统模型校准中缺乏文档记录的问题。
• 该方法通过将非商业物种整合到顺序估计流程中，实现了对稀疏数据的有效利用。