کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6962231 1452250 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Towards evidence-based parameter values and priors for aquatic ecosystem modelling
ترجمه فارسی عنوان
به سوی مقادیر پارامترهای مبتنی بر شواهد و مدل های اکوسیستم آبزی
ترجمه چکیده
مدل های مکانیکی به مشخصه های پارامترهای نشان دهنده صفات بیوفیزیکی و نرخ فرآیند مانند فیتوپلانکتون، رشد زئوپلانکتون و ساقه گاه و نرخ تنفس، اندازه ارگانیزم، استئوشیومتری، نور، دما و پاسخ های مواد مغذی، میزان دفع ادرار، میزان استروییدی و میزان پوسیدگی وابسته است. انتخاب مقادیر مناسب برای این پارامترها دشوار است. تمرین کنونی مشکل ساز است در این مقاله، یک منبع ارائه شده برای تسهیل رویکرد مبتنی بر شواهد به پارامتر کردن مدل های اکوسیستم آبزی ارائه شده است. یک ابزار آنلاین ارائه شده است که مشاهدات مربوط به بیولوژیکی بیوشیمیایی و بیوگرافی و شیمیایی منتشر شده از منابع مختلف را جمع آوری می کند و کاربران را قادر می سازد تا این داده ها را در یک روش سازگار و قابل تکرار، برای پیدا کردن مقادیر پارامترها و محاسبه توزیع های احتمالی مورد استفاده قرار دهند. استفاده از این اطلاعات در یک پارادایم سنتی یا بیزی باید درک بهتر از عدم قطعیت و ظرفیت پیش بینی مدل های اکوسیستم آبزی را فراهم کند و بینش به منابع فعلی خطای ساختاری در مدل ها را فراهم کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
چکیده انگلیسی
Mechanistic models rely on specification of parameters representing biophysical traits and process rates such as phytoplankton, zooplankton and seagrass growth and respiration rates, organism sizes, stoichiometry, light, temperature and nutrient responses, nutrient-specific excretion rates and detrital stoichiometry and decay rates. Choosing suitable values for these parameters is difficult. Current practise is problematic. This paper presents a resource designed to facilitate an evidence-based approach to parameterisation of aquatic ecosystem models. An online tool is provided which collates relevant, published biological trait and biogeochemical rate observations from many sources and allows users to explore, filter and convert these data in a consistent, reproducible way, to find parameter values and calculate probability distributions. Using this information within a traditional or Bayesian paradigm should provide improved understanding of the uncertainty and predictive capacity of aquatic ecosystem models and provide insight into current sources of structural error in models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 100, February 2018, Pages 74-81
نویسندگان
, , , , , , , , , , , , ,