项目名称: 高寒冻土地区碳循环模型模拟中的不确定性估计与控制

项目编号: No.41401412

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 王海波

作者单位: 中国科学院寒区旱区环境与工程研究所

项目金额: 25万元

中文摘要: 冻土地区的碳储量占据全球陆地碳储量的重要份额,它对气候变化极其敏感,但是当前对气候变暖影响下的冻土碳排放的估算仍存在较大的不确定性。青藏高原作为中低纬度高海拔冻土集中分布区,是气候变化的敏感区域,因此准确评估青藏高原冻土地区碳收支格局及其气候响应意义重大。然而,当前对青藏高原碳收支估算存在很多不确定性。除了观测本身的不确定性以外,模型估算也存在不确定性,例如模型结构的不完善,参数的不确定性等。因此如何提高碳循环模型在青藏高原高寒冻土地区的模拟精度,是一个极具挑战的课题。本研究在对观测数据进行严格质量控制的基础上,通过在高寒冻土地区对碳循环模型进行验证,对模型不完善模块进行适当改进;同时充分利用观测信息与先验知识,采用模型-数据融合方法将观测信息融合到模型中,以减少模型模拟中的不确定性,提高高寒冻土地区的碳循环过程模拟的精度,从而为高寒生态系统对气候变化的脆弱性评估与适应对策的制定提供参考。

中文关键词: 高寒冻土地区;碳循环;参数不确定性;陆地生态系统;气候变化

英文摘要: Frozen soils contain enormous amounts of organic carbon, which is sensitive to global climate change. However, there is low confidence on the magnitude of carbon emissions to the atmosphere due to warming. As the main region that distributed permafrost in

英文关键词: Alpine Frozen Region;Carbon Cycle;Parameter Uncertainty;Terrestrial Ecosystem;Climate Change

成为VIP会员查看完整内容
0

相关内容

【NeurIPS 2021】设置多智能体策略梯度的方差
专知会员服务
19+阅读 · 2021年10月24日
专知会员服务
13+阅读 · 2021年10月9日
专知会员服务
140+阅读 · 2021年2月3日
专知会员服务
35+阅读 · 2021年1月16日
【CMU张坤】因果学习与人工智能
专知会员服务
120+阅读 · 2020年12月23日
【NeurIPS 2020】深度学习的不确定性估计和鲁棒性
专知会员服务
49+阅读 · 2020年12月8日
AI从底物和酶的结构中预测米氏常数,量化酶活性
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
「时空数据分析」综述论文,44页pdf
专知
8+阅读 · 2021年3月20日
「PPT」深度学习中的不确定性估计
专知
25+阅读 · 2019年7月20日
一文了解成分句法分析
人工智能头条
15+阅读 · 2019年4月24日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
27+阅读 · 2020年6月19日
小贴士
相关VIP内容
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员