ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. №3. С. 272-285

Региональная параметризация глобальной модели растительности SEVER на основе ассимиляции спутниковой карты земного покрова России

С.А. Хвостиков 1, С.В. Веневский2, С.А. Барталев 1
1 Институт космических исследований РАН, Москва, Россия
2 Center for Earth System Science, Tsinghua University, Beijing, People’s Republic of China
В статье описаны метод и результаты параметризации глобальной динамической модели растительности SEVER на территории России с помощью двухэтапной оптимизации ее параметров. Целью параметризации являлось повышение степени сходства между результатами моделирования и спутникового картографирования растительного покрова России. В качестве критерия сходства использовалась оценка, основанная на корреляции пространственного распределения функциональных типов растительности. Для оптимизации и повышения быстродействия имеющейся программной реализации модели SEVER была проведена ее модификация, обеспечивающая, в частности, многопоточные вычисления и асинхронную загрузку данных. Параметризация модели осуществлялась с помощью метода оптимизации EGO (Efficient Global Optimisation), примененного к упрощенной модели, а также квазиньютоновского метода BFGS для исходной модели. В результате оптимизации был получен набор параметров модели, обеспечивающих для территории России более высокий уровень сходства результатов моделирования и спутникового картографирования растительного покрова.
Ключевые слова: глобальная модель растительного покрова, параметризация, дистанционное зондирование, Dynamic Global Vegetation Model, parametrisation, remote sensing
Полный текст

Список литературы:

  1. Барталев С.А. и др. Спутниковое картографирование растительного покрова России по данным спектрорадиометра MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 4. С. 285–302
  2. Барталев С.А., Лупян Е.А. Исследования и разработки ИКИ РАН по развитию методов спутникового мониторинга растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. № 1. С.197–214
  3. Лупян Е.А., Мазуров А.А., Назиров Р.Р., Прошин А.А., Флитман Е.В., Крашенинникова Ю.С. Технологии построения информационных систем дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 26–43
  4. Bartholome E. and Belward A.S. GLC2000: a new approach to global land cover mapping from Earth observation data // Int. J. Remote Sens. 2005. V. 26. P. 1959–1977
  5. Cox P.M. et al. Acceleration of global warming due to carbon-cycle feedbacks in a coupled climate model // Nature, 2000. Vol. 408. № 6809. P. 184–187
  6. Cox P.M. Description of the TRIFFID dynamic global vegetation model //Hadley Centre Technical Note. 2001. Т. 24. P. 11–16
  7. Cramer W. et al. Global response of terrestrial ecosystem structure and function to CO2 and climate change: results from six dynamic global vegetation models // Global Change Biology. 2001. Т. 7. № 4. P. 357–373
  8. Defourny P. et al. Accuracy assessment of global land cover maps: lessons learnt from the GlobCover and GlobCorine experiences // Proceedings of the living planet Symposium, SP-686. June 2010
  9. Friedl M.A. et al. Global land cover mapping from MODIS: Algorithms and early results // Remote Sensing of Environment. 2002. Vol. 83. P. 287–302
  10. Jones D.R., Schonlau M., Welch W.J. Efficient global optimization of expensive black-box functions // Journal of Global Optimization, 1998. Vol. 13. № 4. P. 455–492
  11. Krinner G. et al. A dynamic global vegetation model for studies of the coupled atmospherebiosphere system // Global Biogeochemical Cycles. 2005. Vol. 19. GB1015
  12. Pfeifer M. et al. Terrestrial ecosystems from space: a review of earth observation products for macroecology applications // Global Ecology and Biogeography. 2011. Vol. 21. Issue 6. P. 603–624
  13. Poulter B. et al. Plant functional type mapping for earth system models // Geoscientific Model Development. 2011. Vol. 4. № 4. P. 993–1010
  14. Rayner P. J et al. Two decades of terrestrial carbon fluxes from a carbon cycle data assimilation system (CCDAS) // Global Biogeochemical Cycles. 2005. Vol. 19. GB2026
  15. Roustant O., Ginsbourger D., Deville Y. DiceKriging, DiceOptim: two R packages for the analysis of computer experiments by Kriging-based metamodeling and optimization // Journal of Statistical Software. 2012. Vol. 51. № 1. P. 1–55
  16. Simpson T.W. et al. Kriging models for global approximation in simulation-based multidisciplinary design optimization. // AIAA Journal. 2001. Vol. 39. № 12. P. 2233–2241
  17. Sitch S. et al. Evaluation of ecosystem dynamics, plant geography and terrestrial carbon cycling in the LPJ dynamic global vegetation model // Global Change Biology. 2003. Vol. 9. № 2. P. 161–185
  18. Venevsky S., Maksyutov S. SEVER: A modification of the LPJ global dynamic vegetation model for daily time step and parallel computation // Environmental Modelling & Software. 2007. Vol. 22. № 1. P. 104–109
  19. Vrugt J.A. et al. Improved treatment of uncertainty in hydrologic modeling: Combining the strengths of global optimization and data assimilation // Water Resources Research. 2005. Vol. 41. W01017
  20. Woodward F. I., Williams B. G. Climate and plant distribution at global and local scales // Theory and models in vegetation science. Springer Netherlands, 1987. P. 189–197
  21. R Development Core Team. R: A language and environment for statistical computing // R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0. URL http://www.R-project.org