不同观察数据集对用GLUE校准作物模型参数的影响:使用CROPGRO-Soybean现象模型的案例研究

科学领域:

• 农业科学 农业科学
• 作物建模作物建模
• 农业学是一种农业学.

背景情况:

• 准确的作物建模依赖于精确的参数估计.
• 计算效率对于作物模型的实际应用至关重要.
• 现象阶段是校准种类特定参数 (CSP) 的关键指标.

研究的目的:

• 量化评估不同组合观察到的现象学阶段对CSP估计的影响.
• 确定用于校准CROPGRO-Soybean现象模型 (CSPM) 的最佳现象阶段数量.
• 在参数估计中平衡模型准确性与计算成本.

主要方法:

• 作为一个案例研究,利用了CROPGRO-豆现象模型 (CSPM).
• 使用通用概率不确定性估计 (GLUE) 方法进行参数校准.
• 在五种大豆品种中使用四个现象阶段 (初始开花,初始,初始谷物,初始成熟) 的组合校准CSP.
• 使用根平均平方误差 (RMSE),平均绝对误差 (MAE),确定系数 (R2) 和纳什-萨克利夫模型效率 (NSE) 评估模型性能.

主要成果:

• 模型性能指标 (RMSE,MAE,R2,NSE) 随着在校准过程中观察到的现象阶段数量的增加而得到改善.
• 在使用两个,三个或四个阶段时,与仅使用一个阶段相比,没有观察到显著的性能增长.
• 获得了至少两个观察到的现象学阶段的优化CSP,表明校准效果和计算费用之间的良好权衡.
• 具体的RMSE,MAE,R2和NSE值被报告用于使用一,二,三和四个现象阶段的校准.

结论:

• 使用至少两个观察到的现象学阶段,为优化CSP在CSPM中提供了一种可靠的方法.
• 这种方法平衡了准确参数估计的需要和可管理的计算需求.
• 这些发现为作物建模中的参数估计策略提供了宝贵的见解,提高了效率和可靠性.