參數(shù)敏感性分析可提高復(fù)雜過程模型參數(shù)優(yōu)化及模型應(yīng)用效率。為評估不同全局敏感性分析方法在篩選農(nóng)田生態(tài)系統(tǒng)模型敏感參數(shù)時的有效性及其效率,該研究以VIP （Vegetation Interface Processes）模型模擬華北平原土壤硝態(tài)氮為例,對比分析PSUADE （Problem Solving Environment for Uncertainty Analysis and Design Exploration）提供的8種敏感性分析方法在篩選華北平原農(nóng)田土壤硝態(tài)氮敏感參數(shù)時的有效性及其效率。結(jié)果表明:在驗證敏感性分析方法有效性時,Spearman秩相關(guān)系數(shù)（Spearman’s correlation coefficient,SPEA）法和Gaussian Process （GP）法與其他方法的敏感參數(shù)篩選的結(jié)果差異較大;多元自適應(yīng)回歸樣條（Multivariate Adaptive Regression Splines,MARS）、Delta Test （DT）、Sum of Trees（SOT）法、McKay法、Morris法和Sobol’法能有效篩選出敏感參數(shù)。在分析敏感性... 

【文章來源】：農(nóng)業(yè)工程學(xué)報. 2020,36(16)北大核心EICSCD

【文章頁數(shù)】：7 頁

【參考文獻(xiàn)】：
期刊論文
[1]Global sensitivity analysis of wheat grain yield and quality and the related process variables from the DSSAT-CERES model based on the extended Fourier Amplitude Sensitivity Test method[J]. LI Zhen-hai,JIN Xiu-liang,LIU Hai-long,XU Xin-gang,WANG Ji-hua.  Journal of Integrative Agriculture. 2019(07)
[2]Biome-BGC模型模擬闊葉紅松林碳水通量的參數(shù)敏感性檢驗和不確定性分析[J]. 李旭華,孫建新.  植物生態(tài)學(xué)報. 2018(12)
[3]基于EFAST方法的AquaCrop作物模型參數(shù)全局敏感性分析[J]. 邢會敏,相詩堯,徐新剛,陳宜金,馮海寬,楊貴軍,陳召霞.  中國農(nóng)業(yè)科學(xué). 2017(01)
[4]基于PEST的土壤-作物系統(tǒng)模型參數(shù)優(yōu)化及靈敏度分析[J]. 梁浩,胡克林,李保國.  農(nóng)業(yè)工程學(xué)報. 2016(03)
[5]Multivariate adaptive regression splines and neural network models for prediction of pile drivability[J]. Wengang Zhang,Anthony T.C.Goh.  Geoscience Frontiers. 2016(01)
[6]基于正交實驗設(shè)計的人工蜂群算法[J]. 周新宇,吳志健,王明文.  軟件學(xué)報. 2015(09)
[7]不同氣候區(qū)和不同產(chǎn)量水平下APSIM-Wheat模型的參數(shù)全局敏感性分析[J]. 何亮,趙剛,靳寧,莊偉,于強.  農(nóng)業(yè)工程學(xué)報. 2015(14)
[8]雙波長分光光度法測定土壤硝態(tài)氮的可行性研究[J]. 黃玉芳,葉優(yōu)良,楊素勤.  中國農(nóng)學(xué)通報. 2009(02)



本文編號：3407968