博文
作物模型调参的一些心得
||
这些年搞模型的人越来越多。与地学相关的领域的模型有陆面模式、气候模式、水文模型、作物模型等等。似乎搞点高大上的模型就比较好发文章。在十几年前，把国外的模型拿过来，自己本地化，用点点数据标定下，就可以发文章。如今门槛越来越高了，不搞点新玩意，还是比较难发文章。搞了好些年的作物模型，身边也有很多的搞模型的，发现大家似乎模型调参都比较苦恼，尤其是对刚刚接触模型不久的人，更是一件头痛的事情。鉴于经常有些人问我这方面的问题，我把自己关于作物模型参数调整的一些心得体会抛个砖。
数据为王。扩展来说，就是需要有非常精确的实验观测数据。模型离开了观测，模型就是一个数学游戏。所以，进行模型调参的前提准备就是要有一套非常精确的试验观测数据。很多初学模型的，任意拿一套观测数据就来对模型调参，调了大半天，总对不准，于是灰心丧气，怎么就这么难。殊不知自己用来调参的数据都是错的，不准确的。所以，在调参前，肯定是要对试验观测数据进行分析，例如作物模型，要对观测的气象数据各个分量，辐射，温度，降水等等是否是正确的。在看看这几年的作物的试验观测数据，例如叶面积指数，生物量，产量，是否符合常理，然后也要对气象因子与生物性参数进行分析，看看是否符合我们的常规判断。如果有土壤水分的资料，把土壤水分，和降水量，叶面积做出对比图看看，看看是否符合我们的正常判断，是否有异常。最后，还要对农业管理措施，灌溉，施肥情况，农业气象灾害情况有个了解。总之一句话，调参的试验数据一定要靠谱，否则，调准了都是耍流氓。
详细了解模型过程和参数性质。说到底，就是要把模型的每一个过程和参数意义、物理机制等等有一个非常好地理解。如果没有这个基础，就来调模型，也是瞎胡闹。很多初学者就经常犯这个毛病。虽然很多模型没有源代码，或者自己看不到源代码。但是至少要把说明文件和一些模型的基本公式理解个透彻。然后就是试对模型参数的敏感性进行分析，可以先自己手动改改参数，看看输出反应，这就是最简单的敏感性实验。
尽可能地获取实测的参数。模型中参数往往会有几十个，多的还不止。为了节省不确定性，最后的办法是自己去测。尽可能地准确测量一些反应当地情况的参数。这样减少了模型的不确定性。当然，这是非常理想的办法，很多时候，不可能去测。那只能估摸着在生理意义范围内调整了。
合理使用优化方法，但是不要迷恋。一般来讲，经过上面3步后，基本调的会大差不差了。这个时候，用一些优化方法，例如MCMC,遗传算法，SCE-UA等，可以把一些不是特别确定的，非常敏感的参数进行优化。很多人想是否有一种方法，把上面几个过程都去掉，直接输入几个观测，就出来一套参数，万事大吉了。我感觉这样的方法是不可能存在的。缺少对观测数据的分析，缺少对过程的理解，不实测一些参数，把胡乱的观测，放上去，就期待计算机优化给你一个结果。就算出来了，也是很危险的。因为作物模型现在基本是一个“多对一”的过程，也就是多套参数可以得到同一个结果。弄的不好，优化的这个参数，就是没有任何意义的，甚至是和实际不符合的参数。
https://blog.sciencenet.cn/blog-437026-1016476.html
上一篇：Goudriaan快速三点积分计算日光合总量有误差吗？
下一篇：2017年的感受——人生要注意几个管理
