• 科研進展

    AAS: 條件非線性最優擾動敏感性分析新方法及其初步應用

      數值模式的模擬和預測仍然存在較大的不確定性,其中物理參數的不確定性是導致該類不確定性的重要來源之一。由于模式中包含大量的物理參數,減少所有物理參數的不確定性以提高模式的模擬能力和預測技巧將耗費大量的人力和物力。因此,識別敏感的物理參數或參數組合至關重要。

      復旦大學穆穆院士和中科院大氣所的聯合研究提出了一種識別相對重要和敏感物理參數和參數組合的新方法:條件非線性最優擾動敏感性分析(CNOPSA)方法,將該方法應用到了理論的g-函數和五變量草原生態系統模型,檢驗了CNOPSA方法的適用性和有效性。結果表明,與從統計角度出發且依賴離散參數樣本的Variance-based方法相比較,CNOPSA方法由于充分考慮了物理參數間的非線性協同效應,可識別出更為敏感和重要的物理參數和參數組合,能夠定量估計由物理參數變化導致的數值模擬和預測不確定性的最大程度,因而適用于對極端事件的研究。
     
    CNOPSA方法的流程圖
      基于五變量草原生態系統模型,研究團隊還發現了利用CNOPSA方法所識別的物理參數(或參數組合)較傳統統計方法更敏感。
      與此同時,他們還研究分析了兩種方法識別的敏感物理參數的誤差對于枯草量模擬影響的物理過程,對由CNOPSA方法和傳統統計方法識別的敏感物理參數(或參數組合)的誤差對枯草量模擬影響差異作出了物理解釋。
      在未來工作中,團隊建議考慮將CNOPSA方法應用于性能優越的復雜陸面過程模式,識別出模擬和預測中的關鍵物理參數和物理過程,為提高陸面過程模式的模擬能力和預測技巧提供科學指導。
      Citation: Ren, Q. J., M. Mu, G. D. Sun, and Q. Wang. 2022: A new sensitivity analysis approach using conditional nonlinear optimal perturbations and its preliminary application. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-022-1445-3,http://www.iapjournals.ac.cn/aas/en/article/doi/10.1007/s00376-022-1445-3
    附件下載:
    怎么把水吸出来
  • d