基于MCMC方法的WOFOST模型参数标定与不确定性-农业工程学报.PDF

第 34 卷 第 16 期 农 业 工 程 学 报 Vol.34 No.16 2018 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2018 113 基于 MCMC 方法的 WOFOST 模型参数标定与不确定性分析 1,2 1 1 3,4 5 5 1,2 黄健熙 ，黄 海 ，马鸿元 ，李 颖 ，侯英雨 ，何 亮 ，朱德海 (1. 中国农业大学土地科学与技术学院，北京 100083 ；2. 农业部农业灾害遥感重点实验室，北京 100083 ； 3. 中国气象局河南省农业气象保障与应用技术重点开放实验室，郑州 450003 ；4. 河南省气象科学研究所， 郑州 450003 ；5. 中国气象局国家气象中心，北京 100081) 摘 要：为探究作物生长模型参数的自动标定技术及其不确定性分析方法，该研究以郑州农业气象试验站为 试验点，利用融入了 snooker 更新（snooker update ）的DE-MC （differential evolution Markov chain，差分进化 马尔科夫链）方法实现对 WOFOST（world food studies ）作物生长模型的参数标定和不确定性定量评价。snooker 更新增加了 DE-MC 算法中候选样本的多样性，从而实现利用更少的并行链对多维参数空间进行有效采样， 较适合于 WOFOST 模型参数众多的特性。结果表明：相比于模型默认值，采用 MCMC （Markov chain Monte Carlo，马尔科夫链-蒙特卡洛）标定后的参数，叶面积指数（leaf area index，LAI ）模拟精度可提高51.40%～ 53.07%，产量模拟精度提高 8.25%～8.88%。标定参数中，SPAN、SLATB070、SLATB040、AMAXTB130 和 SLATB00 的后验分布可近似为高斯分布，其中 SPAN 的不确定性最低。带入后验参数集合进行模型，LAI 在 三叶期至返青期之间以及拔节期至抽穗期之间模拟的不确定性较大；产量模拟的不确定性随时间不断增大， 至乳熟期前后达到稳定。该方法能够实现对多参数复杂作物生长模型的参数标定和不确定性分析，对作物模 型参数估计及提高模拟精度具有重要作用。 关键词：气象；模型；作物；MCMC 方法；WOFOST 模型；参数标定；不确定性分析 doi ：10.11975/j.issn.1002-6819.2018.16.015 中图分类号：S512.1 文献标志码：A 文章编号：1002-6819(2018)-16-0113-07 黄健熙，黄 海，马鸿元，李 颖，侯英雨，何 亮，朱德海. 基于 MCMC 方法的 WOFOST 模型参数标定与不确定性 分析[J]. 农业工程学报，2018，34(16)：113－119. doi ：10.11975/j.issn.1002-6819.2018.16.015 Huang Jianxi, Huang Hai, Ma Hongyuan, Li Ying, Hou Yingyu, He Liang, Zhu Dehai. Markov Chain Monte Carlo based WOFOST model parameters calibration and uncertainty analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34