Advanced

Sensitivity analysis and calibration of multi energy balance land surface model parameters

Friberg, Kim LU (2017) In Master Thesis in Geographical Information Science GISM01 20171
Dept of Physical Geography and Ecosystem Science
Abstract
Flows of energy between the atmosphere, the oceans and the land surfaces drive weather and climate on Earth. Increased understanding of these processes is crucial to successfully predict and address the challenges of climate change. Land surface models (LSM) are mathematical models designed to mimic natural processes and evolution of land surfaces with the basic task to simulate surface-atmosphere energy flows. Within the SURFace EXternalisée modeling platform (SURFEX), developed by Météo-France and a suite of international partners, a new LSM called the Interaction Soil Biosphere Atmosphere model - Multi Energy Balance (ISBA-MEB) has been developed. There are however still uncertainties in how to accurately prescribe model parameters used... (More)
Flows of energy between the atmosphere, the oceans and the land surfaces drive weather and climate on Earth. Increased understanding of these processes is crucial to successfully predict and address the challenges of climate change. Land surface models (LSM) are mathematical models designed to mimic natural processes and evolution of land surfaces with the basic task to simulate surface-atmosphere energy flows. Within the SURFace EXternalisée modeling platform (SURFEX), developed by Météo-France and a suite of international partners, a new LSM called the Interaction Soil Biosphere Atmosphere model - Multi Energy Balance (ISBA-MEB) has been developed. There are however still uncertainties in how to accurately prescribe model parameters used to numerically define the physiography and natural processes of modelled land surfaces which consequently results in uncertainties in modelled outputs.
In the present study, Quasi-Monte Carlo simulations based on Sobol sensitivity analysis was applied to explore the uncertainty contribution of individual parameters to modelled surface-atmosphere turbulent sensible and latent heat fluxes in forest environments. Those parameters to which modelled fluxes were identified as significantly sensitive were then calibrated by generating multiple sets of parameter values with the Latin Hypercube sampling technique on which the model was run to identify what parameter values generated the least amount of model output bias and to evaluate how much model output uncertainty could be reduced. To explore variations in parameter sensitivity and optimal parameter prescriptions between forest environments, four separate forest areas with varying vegetation types and climate classifications were modelled.
Results disclose that the level of uncertainty contribution of individual parameters varies between forest environments. Three parameters were however identified to contribute with significantly output uncertainty; 1) the ration between roughness length of momentum and thermal roughness length, 2) the heat capacity of vegetation and soil and 3) the leaf orientation at canopy bottom. Calibrating these parameters marginally reduced model output uncertainty at all study areas. (Less)
Popular Abstract (Swedish)
Jorden tar emot ett konstant flöde av energi via solinstrålning som sedan cirkulerar mellan atmosfären, haven och markytan innan den slutligen strålas ut i rymden. Dessa energiflöden är bränslet som driver planetens väder- och klimatfenomen och det vetenskapliga samfundet efterfrågar ökad kunskap om detta system för att utmaningarna med klimatförändringar ska kunna förutspås och hanteras. En grundläggande komponent i klimatsystemet är markytans energiutbyte med atmosfären. Hur stora dessa energiflöden är och i vilken form som energin transporteras avgörs av väderförhållanden och markens fysiska egenskaper. Inom exempelvis meteorologi och hydrologi simuleras dessa processer med hjälp av Markytamodeller.
I ett internationellt samarbete med... (More)
Jorden tar emot ett konstant flöde av energi via solinstrålning som sedan cirkulerar mellan atmosfären, haven och markytan innan den slutligen strålas ut i rymden. Dessa energiflöden är bränslet som driver planetens väder- och klimatfenomen och det vetenskapliga samfundet efterfrågar ökad kunskap om detta system för att utmaningarna med klimatförändringar ska kunna förutspås och hanteras. En grundläggande komponent i klimatsystemet är markytans energiutbyte med atmosfären. Hur stora dessa energiflöden är och i vilken form som energin transporteras avgörs av väderförhållanden och markens fysiska egenskaper. Inom exempelvis meteorologi och hydrologi simuleras dessa processer med hjälp av Markytamodeller.
I ett internationellt samarbete med utgångspunkt i Frankrikes meteorologiska institut Météo France har en ny Markytamodell för simulering av naturmiljöer utvecklats. Denna modell möjliggör en mer detaljerad beskrivning av markytans fysiska komponenter, så som karaktären på jord och vegetation, än sina förgångare. Markytamodeller är matematiska och lanskapets karaktär beskrivs därför numeriska parametrar. I nuläget råder det osäkerhet kring hur vissa av dessa parametrar bäst definieras i olika skogstyper. Eftersom markytans olika fysiska komponenter har olika inflytande på energiflöden har även Markytamodellers parmetrar olika inflytande på simuleringen av dessa energiflöden. Detta uttrycks även som att modellen är olika känslig för olika parametrar. Syftet med denna studie var att undersöka hur känslig den nya Markmodellen är för olika vegetationsparametrar i olika skogsmiljöer. Vidare var syftet att undersöka hur mycket simuleringar kan förbättras genom att finna det optimala värdet på de mest känsliga parametrarna i respektive skogsområde.
Skillnader i parameterkänslighet och optimala parametervärden för fyra olika skogsmiljöer identifierades med så kallade Monte-Carlo simuleringar. Kortfattat innebar detta att skogsmiljöerna modellerades upprepade gånger med olika parametervärden. Slutsatserna är att parameterkänsligheten varierar mellan de inkluderade skogsområdena, men att modellen är mycket känsliga för tre av de analyserade parametrarna. Genom att identifiera optimala värden för dessa mycket känsliga parametrar i respektive skogsmiljö kunde mer realistiska simuleringar av energiflöden uppnås. (Less)
Please use this url to cite or link to this publication:
author
Friberg, Kim LU
supervisor
organization
alternative title
Känslighetsanalys och kalibrering av parametrar i multienergibalans-markytamodell
course
GISM01 20171
year
type
H2 - Master's Degree (Two Years)
subject
keywords
Physical Geography, Land Surface Model, Multi Energy Balance, Sensitivity Analysis, Parameter Calibration
publication/series
Master Thesis in Geographical Information Science
report number
75
language
English
additional info
External supervisor: Researcher Patrick Samuelsson at the Swedish Meteorological and Hydrological Institute (SMHI).
id
8926429
date added to LUP
2017-09-27 22:13:55
date last changed
2017-09-27 22:13:55
@misc{8926429,
  abstract     = {Flows of energy between the atmosphere, the oceans and the land surfaces drive weather and climate on Earth. Increased understanding of these processes is crucial to successfully predict and address the challenges of climate change. Land surface models (LSM) are mathematical models designed to mimic natural processes and evolution of land surfaces with the basic task to simulate surface-atmosphere energy flows. Within the SURFace EXternalisée modeling platform (SURFEX), developed by Météo-France and a suite of international partners, a new LSM called the Interaction Soil Biosphere Atmosphere model - Multi Energy Balance (ISBA-MEB) has been developed. There are however still uncertainties in how to accurately prescribe model parameters used to numerically define the physiography and natural processes of modelled land surfaces which consequently results in uncertainties in modelled outputs. 
In the present study, Quasi-Monte Carlo simulations based on Sobol sensitivity analysis was applied to explore the uncertainty contribution of individual parameters to modelled surface-atmosphere turbulent sensible and latent heat fluxes in forest environments. Those parameters to which modelled fluxes were identified as significantly sensitive were then calibrated by generating multiple sets of parameter values with the Latin Hypercube sampling technique on which the model was run to identify what parameter values generated the least amount of model output bias and to evaluate how much model output uncertainty could be reduced. To explore variations in parameter sensitivity and optimal parameter prescriptions between forest environments, four separate forest areas with varying vegetation types and climate classifications were modelled. 
Results disclose that the level of uncertainty contribution of individual parameters varies between forest environments. Three parameters were however identified to contribute with significantly output uncertainty; 1) the ration between roughness length of momentum and thermal roughness length, 2) the heat capacity of vegetation and soil and 3) the leaf orientation at canopy bottom. Calibrating these parameters marginally reduced model output uncertainty at all study areas.},
  author       = {Friberg, Kim},
  keyword      = {Physical Geography,Land Surface Model,Multi Energy Balance,Sensitivity Analysis,Parameter Calibration},
  language     = {eng},
  note         = {Student Paper},
  series       = {Master Thesis in Geographical Information Science},
  title        = {Sensitivity analysis and calibration of multi energy balance land surface model parameters},
  year         = {2017},
}