基于PEST参数估计工具的生态模型校准优化研究——以库尔斯泻湖营养盐动态模拟为例

本研究针对生态模型手动校准效率低、主观性强的问题，采用PEST/PEST++工具对库尔斯泻湖生态模型CuLPy进行自动化校准，通过Morris全局敏感性分析和多算法比较，证明梯度法PEST在计算效率和拟合精度上优于全局优化算法，并利用PESTPP-IES量化预测不确定性，为复杂生态模型校准提供了高效解决方案。

　　

生态模型是研究水体富营养化、污染物扩散等环境问题的重要工具，但传统手动校准方法存在效率低、主观性强等缺陷。库尔斯泻湖作为波罗的海东南部的典型浅水河口系统，其营养盐动态受河流输入和底栖过程共同影响，亟需可靠的模型预测支持管理决策。然而，现有生态模型校准多依赖试错法，且缺乏对算法性能的系统评估。针对这些问题，Klaip?da大学等机构的研究团队开发了Python生态模型CuLPy，集成11个状态变量和69个参数，通过PEST/PEST++工具包实现自动化校准，相关成果发表于《Ecological Informatics》。

研究采用四大关键技术：(1) 基于Morris法的全局敏感性分析筛选关键参数；(2) 应用PEST梯度法与CMAES、DE、PSO等全局算法对比；(3) 构建0D/1D模型验证算法普适性；(4) 利用PESTPP-IES进行迭代集合平滑器不确定性量化。数据来源于2014-2015年库尔斯泻湖现场观测，其中2015年数据用于校准，2014年数据用于验证。

3.1 敏感性分析
通过Morris法识别矿化速率和硝化速率为核心敏感参数，其中矿化速率表现出显著的非线性特征。研究发现参数筛选虽能降低计算量，但剔除10个低敏感性参数会导致模型拟合度下降，说明生态模型需保留完整参数信息。

3.2 梯度法与全局算法比较
JACTEST测试证实CuLPy模型数值稳定性良好。对比显示，PEST算法在计算效率上具有绝对优势——校准1D模型仅需5.5万次模拟，而CMAES需62万次。在拟合精度方面，PEST对NO₃^?的R²达0.98，显著优于传统手动校准方法（SHYFEM/EUTRO模型R²仅0.56）。

3.3 模型验证
1D模型对NH₄⁺、NO₃^?、PO₄^3?的PBIAS分别为-3.10、-4.15、-6.35，符合Moriasi等提出的水质模型评价标准。夏季PO₄^3?模拟偏差较大，研究者认为未考虑底栖磷释放是主因。验证期性能下降反映模型需要更长期的观测数据支持。

3.4 不确定性量化
PESTPP-IES通过2247次模型运行即完成不确定性分析，显示后验预测区间能覆盖全部观测值。该方法较传统贝叶斯方法大幅降低计算成本，特别适合高参数化的生态模型。

该研究首次将梯度法成功应用于生态模型校准，打破了"非线性模型必须用全局算法"的固有认知。提出的CuLPy-PEST框架为浅水生态系统建模提供了新范式：其0D模型可用于参数初筛，1D模型可扩展为决策支持工具。未来通过引入底栖过程模块和浮游植物功能分组，有望进一步提升模型预测性能。这项工作不仅为库尔斯泻湖管理提供技术支撑，其方法学创新更对复杂环境模型的标准化校准具有广泛借鉴意义。