火山灰扩散模型输入参数的全局敏感性分析：提升火山灰沉降预测效率的关键因素

推荐：针对火山灰扩散预测模型(VATDM)输入参数不确定性影响评估的难题，研究人员采用Sobol'指数和eFAST方法对Tephra2和Fall3D模型进行全局敏感性分析(GSA)，发现颗粒粒径分布、扩散系数和羽流形态等参数对输出方差具有显著影响，为优化火山灰灾害预测提供了关键参数筛选依据。

　　

火山喷发是威胁人类社会的重大自然灾害，其中火山灰扩散造成的危害尤为广泛。准确预测火山灰沉降范围和厚度对灾害防控至关重要，但现有火山灰输运扩散模型(VATDM)存在输入参数众多、计算耗时等问题，在火山活动加剧的紧急情况下难以快速完成海量模拟。更复杂的是，模型精度与参数复杂度之间的关系尚不明确，某些参数可能引入额外不确定性。这些挑战使得在火山喷发前预判关键影响参数、优化模拟策略成为亟待解决的科研难题。

针对这一科学问题，来自未知机构的研究团队以新西兰Taranaki Mounga火山为案例，对两种广泛使用的VATDM——基于简化解析解的Tephra2和基于通用假设的数值模型Fall3D——进行了系统的全局敏感性分析(GSA)。这项发表在《Journal of Volcanology and Geothermal Research》的研究创新性地结合Sobol'指数和扩展傅里叶振幅敏感性检验(eFAST)方法，量化了各输入参数对模型输出方差的贡献度，为火山灰预测提供了参数优化方案。

研究采用的关键技术包括：1)基于12种Kidson天气类型的分层采样策略获取代表性风场数据；2)使用ERA5再分析数据集提供高分辨率气象数据；3)通过sensobol和SALib软件包分别计算Sobol'指数和eFAST指数；4)对Fall3D中的分类变量进行局部敏感性分析(LSA)；5)在Aotearoa新西兰电子科学基础设施(NeSI)高性能计算系统上完成大规模模拟运算。

研究结果部分，"弱风与强风条件下的敏感性差异"显示：在强风条件下，Tephra2中仅羽流形态参数(alpha^(T2)和beta)保持显著影响，而Fall3D中水平扩散和喷发持续时间成为主导因素。弱风场则使更多参数显现出显著性，特别是偏离主要沉积轴线的区域。

"Tephra2的敏感性分析"部分表明：中值粒径和羽流形态参数(alpha^(T2))在首阶和总阶指数中均表现突出。扩散系数在eFAST分析中始终显著，但在Sobol'指数中仅远端区域(30km)显现重要性。值得注意的是，喷发高度、颗粒密度等参数虽首阶影响微弱，但在考虑参数间相互作用(总阶)时影响力显著提升。

"Fall3D的敏感性特征"揭示：水平扩散是最关键参数，其影响力随距离增加而增强。与Tephra2不同，Fall3D中喷发持续时间展现出独特的重要性。分类变量分析发现，羽流形态分布选择会导致沉积密度差异，而聚集作用、湍流模型等分类参数影响较小。

讨论部分强调了三个重要发现：首先，颗粒粒径分布、扩散过程和羽流形态是影响预测精度的核心参数，应在应急响应中优先考虑；其次，强风条件下可减少模拟次数，因风场主导沉积模式；最后，模型复杂度不一定提升预测准确性，简化模型Tephra2在保持精度的同时大幅提高计算效率。这些结论不仅深化了对VATDM性能的理解，更为实时灾害响应提供了参数优化策略，使有限计算资源能够更有效地捕捉极端但现实的喷发情景。研究提出的方法框架可推广应用于全球其他火山系统，为建立更可靠的火山灰灾害预警体系奠定理论基础。