Bayesian methods applied for ecosystem model calibration and uncertainty source estimation

Show full item record



Permalink

http://hdl.handle.net/10138/310949
Title: Bayesian methods applied for ecosystem model calibration and uncertainty source estimation
Author: Mäkelä, Jarmo
Date: 2020-02
Belongs to series: Finnish Meteorological Institute Contributions 160
ISBN: 978-952-336-095-2
ISSN: 0782-6117
URI: http://hdl.handle.net/10138/310949
Abstract: How significant are different uncertainty sources when simulating the future state of the ecosystem in Finland? In this thesis, we examine this question and provide some answers to this broad topic by simulating 21st century ecosystem conditions with a land-ecosystem model called JSBACH. The results are also compared to similar simulations performed by another model called PREBAS. We consider four different sources of uncertainty that are related to 1) the model that is used to generate the future conditions; 2) future climate used to drive the model, represented by an ensemble of CMIP5 simulations; 3) RCP scenarios that depict the rising atmospheric CO2 concentration and; 4) forest management actions. Before running the simulations described above, we calibrated and validated the JSBACH model extensively on different temporal resolutions and with multiple model modifications. These hindcasting calibrations were performed with two Bayesian approaches: the adaptive Metropolis algorithm and the adaptive population importance sampler. The calibrations resulted in a sufficient model setup and satisfactory parameter distributions. These were used to represent the JSBACH model uncertainty in the 21st century simulations. Canonical correlation analysis was used to gleam the impact of the different uncertainty sources on multiple groups of ecosystem variables. The results are summarised via the use of redundancy indices that yield varied impacts. Overall, forest management actions and RCP scenarios tend to dominate the uncertainties towards the end of the century, but the effect of climate models and parameters should not be overlooked especially since a more detailed examination revealed that their impact was not fully captured. *** Kuinka merkittäviä ovat eri epävarmuuslähteet arvioitaessa metsäekosysteemien tulevaisuutta Suomessa? Tässä väitöskirjassa tarkastellaan edeltävää kysymystä mallittamalla metsäekosysteemien tilaa 2100-luvulle. Mallitukseen käytetään maa-ekosysteemimalli JSBACH:ia ja arvioita verrataan vastaaviin PREBAS-mallin tuloksiin. Tarkasteltavat epävarmuuslähteet voidaan jakaa 1) mallien sisäiseen epävarmuuteen; 2) mallien ajamiseen käytettäviin ilmastopakotteisiin, jotka pohjaavat CMIP5 simulaatioihin; 3) RCP-päästöskenaarioihin, jotka edustavat ilmakehän hiilidioksidipitoisuuden nousua sekä; 4) valittuun metsänhoitosuunnitelmaan. Edellä esitettyjen tulevaisuussimulaatioiden toteuttamiseksi JSBACH-malli kalibroitiin ja validoitiin käyttäen 10 paikallista mittausasemaa boreaalisella vyöhykkeellä. Tarkasteluun sisällytettiin eri aikaresoluutioita ja useita mallin rakenteellisia muutoksia, jotta mallin tuottama transpiraatio, evaporaatio ja hiilensidonta vastaisivat paremmin vastaavia havaintoja. Kalibrointiin käytettiin kahta eri Bayesilaista menetelmää: adaptive Metropolis sekä adaptive population importance sampler -algoritmeja. Kalibrointiprosessissa ilmenneitä parametrien välisiä riippuvuuksia, identifioituvuutta ja merkitsevyyttä analysoitiin perusteellisesti. Lisäksi lopullisia parametrijakaumia ja -arvoja verrattiin useisiin kirjallisuuslähteisiin. Validointi toteutettiin sekä kalibroinnista riippumattomilla että erillisten mittausasemien havainnoilla. Näiden tarkastelujen pohjalta muodostettiin tulevaisuussimulaatioihin soveltuva mallirakenne ja parametrijakaumat, jotka kuvaavat JSBACH-mallin sisäistä epävarmuutta. Tulevaisuussimulaatioiden epävarmuuslähteiden vaikuttavuutta arvioitiin kanonisen korrelaatioanalyysin pohjalta. Metsäekosysteemien tilaa kuvaavia indikaattoreita tutkittiin em. analyysissa sekä kaikkia kerralla että jaoteltuna eri ryhmiin vaikuttavuutensa perusteella. Voimakkaimmaksi epävarmuuslähteeksi vuosisadan lopussa nousivat sekä metsänhoitosuunnitelmat että päästöskenaariot, joita seurasivat järjestyksessä ilmastopakotteet ja mallien sisäinen epävarmuus.
Subject: Bayesian statistics
boreal
calibration
climate change
data-assimilation
ecosystem
Markov chain Monte Carlo
MCMC
Metropolis-Hastings


Files in this item

Total number of downloads: Loading...

Files Size Format View
Jarmo_Mäkelä_Thesis.pdf 9.005Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record