Calibraçãao hierárquica multiobjetivo de um modelo de micrometeorologia e de dinâmica de ecossistemas terrestres

Abstract

Os ecossistemas terrestres são um componente chave no estudo do clima do planeta. Existem fortes evidências de que a superfície terrestre influencia o tempo e o clima em várias escalas de tempo, de segundos a milhões de anos. Os modelos de ecossistemas terrestres (LSMs, do inglês Land Surface Models) são ferramentas importantes para a pesquisa com simulações climáticas e para previsão do tempo, funcionando geralmente acoplados a modelos de circulação geral atmosférica, atuando como submodelos que calculam os fluxos através da interface biosfera-atmosfera. Para se obter boas simulações com os LSMs para determinada região, é preciso otimizar seus parâmetros e calibrar o modelo de acordo com os dados observados na região de estudo. O principal objetivo deste trabalho é desenvolver uma metodologia que permita calibrar todos os processos simulados pelo modelo Integrated Biosphere Simulator (IBIS). A metodologia se baseia na hierarquia dos sistemas ambientais para calibrar sucessivamente todas as variáveis simuladas pelo IBIS. A calibração ocorre em ordem crescente de hierarquia temporal, dos processos mais rápidos (fluxos radiativos) até os processos mais lentos (alocação de carbono). Foi proposto um índice de desempenho relativo, D, para avaliar as calibrações multiobjetivo e hierárquica do modelo em relação às calibrações mono-bjetivo independentes de cada variável. As calibrações mono-objetivo são consideradas as melhores calibrações possíveis, e as comparações entre as duas calibrações fornecem um bom indicador da eficiência do método de calibração proposto. Através da calibração hierárquica de todos as variáveis simuladas, espera-se obter um modelo que simule de forma consistente todos os processos nele representados. Em primeiro lugar, foi desenvolvida uma análise de sensibilidade (AS) para selecionar, de forma eficiente, os parâmetros mais importantes para cada saída do modelo. A AS é baseada no método de Morris, com modificações no cálculo do índice de sensibilidade para adequar o método ao uso com LSMs. Em seguida, foi desenvolvido um programa para calibração automática multiobjetivo do modelo IBIS, chamado Optis, baseado no algoritmo genético multiobjetivo NSGA-II (Nondominated Sorted Genetic Algorithm II). Esse algoritmo permite ajustar múltiplas estatísticas e várias saídas do modelo simultaneamente. Finalmente, foi proposta uma metodologia de calibração hierárquica para LSMs, que executa a calibração de todos os processos simulados pelo modelo. A AS foi eficiente ao selecionar os parâmetros mais importantes do modelo a serem considerados na calibração, eliminando do processo de busca aqueles parâmetros com influência desprezível nas saídas do modelo. O programa Optis foi eficaz em solucionar os problemas de calibração multiobjetivo nos testes desenvolvidos, atingindo mais de 90% do desempenho obtido na calibração mono-objetivo. O Optis também se mostrou eficiente no uso de recursos computacionais, com 100% de eficiência na paralelização do código. O procedimento hierárquico proposto foi testado em dois sítios da floresta Amazônia, Flona de Tapajós e Sinop. Em ambos os sítios, o procedimento hierárquico se mostrou eficiente em fazer uma calibração geral do modelo, atingindo um D maior que 0,8 em ambos os sítios. Essa metodologia de calibração permitiu uma calibração mais realista do modelo, pois todas as variáveis simuladas foram otimizadas.

Terrestrial ecosystems are a key component for the study of Earth climate. There are evidences that land surface processes affect climate and weather in a range of time scales, from seconds to million of years. Land surface models (LSMs) are important tools for research on climatic simulations and weather prediction, generally working coupled to general circulation models, and acting as sub models calculating the fluxes throughout the biosphere- atmosphere interface. To obtain good LSMs simulations for a given region, it is necessary to optimize the parameters and calibrate the model against observed data for the region of study. The main objective of this work is to develop a calibration methodology that allow to calibrate all processes simulated by the model Integrated Biosphere Simulator (IBIS). The study is based on systems hierarchy and on the calibration of all IBIS simulated variables. The calibration is performed at temporal hierarchy order, from the fastest process (radiative fluxes) to the slowest process (carbon allocation). We proposed a relative efficiency index, D, to evaluate the multiobjective and hierarchical calibrations, based on single objective calibrations of each simulated variable. The single objective calibrations are considered the best possible ones, and are used as a reference to evaluate the proposed method. Initially, we develop a sensitivity analysis (SA) that efficiently select the most important parameters for each model output. The SA is based on the Morris method, with modifications in the sensitivity calculations, to adjust the method to work with LSMs. Then, we develop a software for multiobjective automatic calibration of the IBIS model, called Optis. Optis is based on the multiobjective genetic algorithm NSGA-II (Nondominated Sorted Genetic Algorithm II). This software allows the adjustment of multiple statistics and many model outputs simultaneously. Finally, we proposed a hierarchical methodology for LSM calibration, that performs the calibration of all processes simulated by the model. The SA is efficient to select only the most important model parameters to be considered in calibration, thus eliminating out of the search process those parameters with low influence on model output. Optis was effective to solve all the multiobjective calibration tests performed, reaching more than 90% of the efficiency obtained by the single objective calibration. Optis also is efficient in the use of computational resources, with total efficiency in the code parallelization. The hierarchical procedure proposed was tested in two experimental sites in the Amazon rainforest, Flona Tapajós and Sinop. In both sites, the procedure demonstrated to be efficient in calibrating all the model processes, with D greather than 0.80 in both sites. This calibration methodology allows a more realistic calibration of the model, as all simulated variables are optimized.