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

Jordi Ferrer, Damien Franqueville+6 more|arXiv (Cornell University)|Sep 25, 2017

Soil and Water Nutrient Dynamics参考文献 35被引用 8

一句话总结

本研究提出了一套针对NitroScape模型的综合性敏感性分析框架，结合空间、时间及多变量输出聚合与聚类分析，识别景观尺度上氮动态的关键驱动因素。该方法表明，水文特性与施肥类型是影响最大的因素，且模型分辨率显著影响输出结果，尤其在精细空间与时间尺度下影响更为明显。

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.

研究动机与目标

• 评估空间与时间分辨率对景观尺度氮迁移转化模型的影响。
• 通过识别对输出影响最小的输入因素，降低模型复杂度，实现高效的数据采集与模型校准。
• 开发一种方法，用于解释多个空间与时间分布输出的敏感性分析结果。
• 比较输入不确定性、模型分辨率与管理措施对氮级联结果的相对影响。
• 提供一种可扩展的方法论，适用于NitroScape以外的其他时空农业生态系统模型。

提出的方法

• 在理论上的3 km²景观上，对NitroScape模型开展全面的方差基敏感性分析，覆盖五年高强度农业种植周期。
• 应用Sobol’指数与希尔伯特-施密特独立性度量（HSIC）量化输入因素对多个空间与时间分布输出的主效应与交互效应。
• 对敏感性指数进行层次聚类，将对输入因素响应模式相似的输出归为一组，实现降维与模式识别。
• 对输出进行空间与时间上的聚合，评估不同尺度下的敏感性，包括按土地利用与气象条件（如降雨后事件）分类。
• 通过彩色聚类图（图6与图7）可视化结果，总结时间与空间尺度上的敏感性模式。
• 评估了12个输入因素的影响，包括空间分辨率（A）、垂直分辨率（B）、土壤水力特性（C, D）、施肥类型（J）与管理措施（K）。

实验结果

研究问题

• RQ1 在景观尺度上，哪些输入因素对NitroScape模型中氮的迁移、转化与损失影响最为显著？
• RQ2 空间与时间模型分辨率如何影响氮输出变量的敏感性？
• RQ3 输入因素之间的交互效应相较于主效应，对输出变异性的贡献程度如何？
• RQ4 敏感性指数的聚类能否帮助识别对输入变化响应相似的输出组？
• RQ5 输出聚合的尺度（空间、时间或按土地利用）如何影响关键输入因素的识别？

主要发现

• 土壤的水文特性（如侧向导水率，因子C）与施肥类型（因子J）是影响最显著的因素，对多个输出具有高主效应。
• 模型水平分辨率（因子A）显著影响多个输出，但仅在局部区域显著，而在聚合层面无显著影响。
• 垂直分辨率（因子B）对两个聚合输出具有显著影响：0–60 cm土层的NH₄⁺含量与地下水中的NO₃⁻浓度。
• 交互项对单个输出变量具有中等到高影响，但当输出在空间或时间上聚合后，其影响被显著降低。
• 微孔隙率与大孔隙率比值（G）与中间土层深度（H）等因子影响可忽略，可从后续分析中排除。
• 聚类分析将具有相似敏感性模式的输出归为一组——例如，聚类4包含地下水中的NH₄⁺与表层土壤中的NO₃⁻，两者均对土壤侧向导水率（C）高度敏感，但响应方向相反。