《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Robust interval prediction and uncertainty assessment for glacier dynamics considering uncertainties
编辑推荐:
•历史观测一致性筛选支持具有预算效率的冰川不确定性量化。•在同一框架下提出了硬缩减、玻尔兹曼缩减和高斯缩减三种方法。•所提出的框架被应用于康吉亚塔努纳塔冰川(KNS)的不确定性分析。•结构化缩减方法得到的历史区间比观测蒙特卡洛法更为精确。•通过孪生实验评估缩减预测区间的可靠性
- •
历史观测一致性筛选支持具有预算效率的冰川不确定性量化。
- •
在同一框架下提出了硬缩减、玻尔兹曼缩减和高斯缩减三种方法。
- •
所提出的框架被应用于康吉亚塔努纳塔冰川(KNS)的不确定性分析。
- •
结构化缩减方法得到的历史区间比观测蒙特卡洛法更为精确。
- •
通过孪生实验评估缩减预测区间的可靠性。
引言
格陵兰冰盖是当今及未来全球海平面上升的主要贡献者之一,其动态演变通过淡水输入和能量交换影响着海平面变化速率和北极气候系统[1]、[2]。在冰盖质量流失过程中,出口冰川充当将内陆冰输送至海洋的关键通道。因此,快速流动主干沿线流速、厚度演化和终碛后退的变化,会在局部到区域尺度上显著影响冰川质量流失和海平面贡献[3]、[4]。在给定强迫情景下,一个重要的问题是如何构建既可与历史观测进行检验、又能在未来预测中保持稳定、且在不同策略间具有可比性的预测区间,同时还需在有限的计算预算内完成。这一点尤为重要,因为当追求区间缩窄时,由此带来的计算增益可能伴随统计上的权衡,需要明确加以评估。
以物理一致的方式回答这一问题,需要能够解析冰川动力学并将不确定性传播至未来预测区间的模型。因此,高保真冰盖和冰川模型(如冰盖与海平系统模型ISSM)已成为解析主干动力学和进行情景预测的重要工具[5]、[6]。然而,模型输出通常对多个关键参数高度敏感[7]、[8]。其中许多参数缺乏直接的观测约束,在当前物理认识和数据可用条件下仍不可识别。不同的参数组合看似合理,却可能在流速、厚度变化率和终碛演化上产生显著差异[9]。在单个冰川尺度上,参数不确定性往往主导预测不确定性,使得研究重心从识别单一确定性轨迹转向构建在未来预测中可检验且物理可解释的预测区间。
在此背景下,集合方法已被广泛用于不确定性的传播与评估[10]、[11]。通过对关键参数或强迫进行采样并分析输出分布,集合方法可为预测提供不确定性区间。常见策略包括增大集合规模以近似蒙特卡洛(MC)采样,或构建替代模型或多保真度框架以降低计算成本[12]、[13]。然而,此类方法可能需要额外的实现工作,且在部分应用中,参数扰动与物理解释之间的关联可能不够直接,从而使不确定性来源的归因更加困难。在更大尺度上,大型多模式比较项目(如第六阶段耦合模式比较计划框架下的冰盖模式比较计划ISMIP6)已显著推进了对全球尺度冰盖预测不确定性的理解[10]。尽管如此,适用于反演的长期连续观测仍然有限,仅基于短期历史窗口得出的约束可能无法充分捕捉长期预测中不同物理假设和参数组合之间的差异。
综合以上考虑,表明计算密集型冰川动力学模型的不确定性量化面临两大实际挑战[14]。首先,随着模型复杂度增加,参数维度和探索不确定性所需的样本量均迅速增长,而每次高分辨率模拟仍计算代价高昂,这在实践上限制了参数空间的可行覆盖范围[15]、[16]、[17]。其次,现有研究往往侧重于报告集合均值或预测区间[18],而相较之下,对区间本身统计特性的关注较少,包括其与历史观测的一致性、区间缩窄后的校准情况,以及预测过程中对样本扰动的鲁棒性[19]、[20]。因此,关键问题不仅在于能否生成预测区间,更在于该区间在历史时段内是否保持观测一致、在未来传播中是否稳定,以及在有限计算预算下引入区间压缩时是否具有定量上的合理性。
基于上述动机,我们提出了一种缩减集合框架用于不确定性量化。该框架面向计算代价高昂的冰盖和冰川动力学模型,本文以格陵兰西南部康吉亚塔努纳塔冰川(KNS)的出口冰川预测为例进行演示。筛选和加权规则借鉴了集合滤波、历史匹配和基于观测的模型加权中的既有思想[21]、[22]。本研究的方法学贡献在于:一种面向有限计算预算的缩减集合不确定性量化框架,将多源观测一致性评分与受控集合缩减、随机基线比较、孪生实验验证和长期传播诊断相结合。我们并非追求单一最优参数集,而是识别出一个统计可信且具有物理可解释性的参数响应子集。以KNS为例,我们进一步评估该缩减集合策略能否在有限计算资源下有效压缩预测区间,同时在未来预测中保持稳定,从而在受限计算预算下量化区间压缩与稳定长期传播在可行性和权衡方面的特性。
本文其余部分组织如下。第2节介绍通用方法框架,包括控制方程和关键参数、集合设置与基于观测的评分,以及带有可靠性诊断的预测区间构建。第3节描述KNS的应用,包括研究区域、观测数据集、数值配置和不确定性参数设置。第4节展示历史时期的区间缩减结果,比较不同加权策略及其一致性来源,利用孪生实验评估区间可靠性,并分析未来区间传播情况。第5节讨论所提出框架的有效性、适用性及局限性。第6节总结主要结论。
各节摘要
观测约束缩减集合框架
本节介绍本研究使用的通用方法框架。首先介绍控制方程和参数化的不确定性来源,然后描述如何将历史观测一致性转化为集合缩减,最后定义预测区间和可靠性诊断。KNS的具体实现在第3节中单独介绍。为了在相同计算预算下获得更具可检验性的预测区间,所提出的
KNS应用:研究区域与数据
接下来将算法1中概述的通用框架实例化为KNS案例,具体指定了本应用所需的研究区域、数值模型、观测数据集、不确定性参数以及时间窗口配置。KNS是格陵兰西南部一条重要的终点入海出口冰川[36]、[37]。
在此,地表质量平衡(SMB)和基底摩擦的变化被视为关键的参数化控制因素[38],其终碛位于峡湾系统内,
历史时期区间缩减
在确定了第3节中的KNS应用设置后,本节转向缩减集合框架在历史时期的评估。具体而言,采用式(9)–(10)定义的观测一致性评分对2017–2021年历史窗口进行评估,并利用所得评分构建缩减集合。在以基于均方根误差的目标函数对历史轨迹的成员评分后,误差较大的成员被排除或赋予较低权重,
方法有效性
与旨在进行参数反演的研究不同,本研究聚焦于有限计算资源和弱参数可识别性条件下的不确定性量化。该框架旨在构建可针对历史观测进行检验、可用于未来预测、并可评估其对样本扰动和数值失效鲁棒性的预测区间。因此,框架的有效性不仅通过区间缩窄来评估,还通过
结论
本研究建立了一种观测一致性约束的缩减集合框架用于不确定性量化,面向计算资源有限且参数可识别性较弱的冰川动力学问题。我们利用多源历史观测约束下的观测一致性筛选获取缩减集合,将其传播至未来情景,并在此过程中报告预测区间及数值可行性诊断。一个纯随机的
CRediT作者贡献声明
周宇:撰写—初稿、可视化、验证、软件、方法学、调查研究、形式化分析、数据整理、概念构思。马辉环:撰写—审阅与编辑、监督指导、资源获取、项目管理、方法学、资金获取、概念构思。程晓:撰写—审阅与编辑、监督指导、资源获取、项目管理、方法学、资金获取、概念构思。郑志保:撰写—审阅与编辑、可视化,
利益冲突声明
作者声明,不存在任何已知的可能影响本文所报告工作的竞争性经济利益关系或个人关系。
致谢
本研究得到了中国教育部学科突破先导项目的支持[资助编号JYB2025XDXM803]。
周宇|马辉环|程晓|郑志保|迈克尔·比尔