参数敏感性分析在遥感及生态水文模型中的研究进展

作     者：马瀚青 张琨 马春锋 吴小丹 王琛 郑艺 朱高峰 袁文平 李新 MA Hanqing;ZHANG Kun;MA Chunfeng;WU Xiaodan;WANG Chen;ZHENG Yi;ZHU Gaofeng;YUAN Wenping;LI Xin

作者机构：中国科学院西北生态环境资源研究院兰州730000 中国科学院大学北京100049 中国科学院青藏高原研究所北京100101 兰州大学资源环境学院兰州730000 中国科学院华南植物园广州510650 中山大学大气科学学院广州510275 中国科学院青藏高原地球科学卓越创新中心北京100101 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2022年第26卷第2期

页      面：286-298页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 081501[工学-水文学及水资源] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0815[工学-水利工程] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(编号:91425303) 中国科学院交叉创新团队(编号:XXH13505-06) 中国科学院青年创新促进会会员人才专项(编号:2021428) 

主　　题：遥感 参数敏感性分析 参数优化 不确定性分析 生态水文 

摘      要：参数敏感性分析SA(Sensitivity Analysis)是遥感、生态和水文模型不确定性分析UA(Uncertainty Analysis)的重要方法之一。本文梳理了遥感散射/辐射模型,以及遥感驱动的生态、水文模型研究中常用的敏感性分析方法,并总结了各类方法的优缺点和适用条件。从识别关键参数、不确定性分析和参数优化3个方面,分析了这些领域中参数敏感性分析研究的进展和存在问题,并介绍了最常用的敏感性分析平台。参数敏感性分析作为模型参数优化的先验知识之一,促进了模型和参数的优化。在不确定性和敏感性矩阵USM(Uncertainty and Sensitivity Matrix)的框架下,结合全局敏感性分析方法开展多阶段遥感反演、参数敏感性的尺度效应、参数敏感性的时空异质性研究更加需要关注。此外,还需要提高敏感性分析的计算效率和模式,来适应未来更加复杂的模型和迅速增长的数据量。