کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6963590 1452289 2014 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Advancing projections of phytoplankton responses to climate change through ensemble modelling
ترجمه فارسی عنوان
پیش بینی پیش بینی های پاسخ فیتوپلانکتون به تغییرات آب و هوایی از طریق مدل سازی گروهی
ترجمه چکیده
روند جهانی افزایش خطر ابتلا به بیماری های مرتبط با گسترش تکثیر سینوباکتریای سمی باعث ایجاد توانایی طراحی دینامیک فیتوپلانکتون می شود. در حالی که روش های چندگانه (مدل سازی چندگانه) برای چندین سال برای بهبود قابلیت اطمینان پیش بینی آب و هوا استفاده شده است، این رویکرد تاکنون برای مدل سازی اکوسیستم مورد استفاده قرار نگرفته است. ما نشان می دهد که میانگین بیوماس فیتوپلانکتون شبیه شده از سه مدل اکوسیستم آبزی به طور کلی بر اساس هر یک از سه مدل فردی در توصیف زیست توده فیتوپلانکتون مشاهده شده در یک اکوسیستم دریاچه معمولی است و ما تعدادی از پیش بینی های تغییر آب و هوا را شبیه سازی می کنیم. در حالی که این اولین رویکرد گروه چند مدل است که برای برخی از پیچیده ترین مدل های اکوسیستم آبی موجود در دسترس است، ما آن را پیش بینی می کنیم که چه چیزی متدولوژی رایج در آینده خواهد شد، چرا که باعث افزایش استحکام مدل های پیش بینی شده و عدم اطمینان سناریو می شود برآورد به دلیل تفاوت در ساختار مدل.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
چکیده انگلیسی
A global trend of increasing health hazards associated with proliferation of toxin-producing cyanobacteria makes the ability to project phytoplankton dynamics of paramount importance. Whilst ensemble (multi-)modelling approaches have been used for a number of years to improve the robustness of weather forecasts this approach has until now never been adopted for ecosystem modelling. We show that the average simulated phytoplankton biomass derived from three different aquatic ecosystem models is generally superior to any of the three individual models in describing observed phytoplankton biomass in a typical temperate lake ecosystem, and we simulate a series of climate change projections. While this is the first multi-model ensemble approach applied for some of the most complex aquatic ecosystem models available, we consider it sets a precedent for what will become commonplace methodology in the future, as it enables increased robustness of model projections, and scenario uncertainty estimation due to differences in model structures.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 61, November 2014, Pages 371-379
نویسندگان
, , , , , , ,