2015/11/25

1

1生態環境計測学生態環境計測学生態環境計測学生態環境計測学 2015/11/18

植山植山植山植山 雅仁雅仁雅仁雅仁

生態系モデリング

2

モデルモデルモデルモデル

対象とする現象や粗過程を数式

等で模したもの

モデル

入力 出力パラメタ1パラメタ2パラメタ3

2015/11/25

2

3

-15-10-505

1015

0 500 1000 1500 2000

正味生態系交換量

(µmol

m-2

s-1)

光合成有効光量子束 (µmol m-2 s-1)

Pmax * b * PPFDNEE = －Pmax + b * PPFD

+ Rd

入力

出力

パラメタ

光ー光合成モデル

4

-15

-10

-5

0

5

10

6/23 6/24 6/25 6/26 6/27 6/28020040060080010001200140016001800

正味生態系交換量

(µmol

m-2

s-1)

光合成有効光量子束

(µmol

m-2

s-1)

光ー光合成モデル

2015/11/25

3

5

モデルを使う目的

データの診断

予測

欠測補間

6

モデルの種類

経験モデル

プロセス・モデル

コンセプト・モデル

統計モデル、人工知能、機械学習

流体モデル、生態系モデル、気候モデル

2015/11/25

4

7

コンセプト・モデル

定常因子

生物相

時間

母材

気候

相互制御

植物機能型

土壌

長期の制限 短期の制限

直接制御

葉面積

窒素

生育期長

温度

光

CO2

一次生産

(Chapin et al., 2002)

8

経験モデル

-15-10-505

1015

0 500 1000 1500 2000

正味生態系交換量

(µmol

m-2

s-1)

光合成有効光量子束 (µmol m-2 s-1)

Pmax * b * PPFDNEE = －Pmax + b * PPFD

+ Rd

出力

パラメタ

2015/11/25

5

9

経験モデル

（Vourlitis et al., 2003）

光合成量

呼吸

10

プロセス・モデル

カルビンサイクルカルビンサイクルカルビンサイクルカルビンサイクル

光化学反応光化学反応光化学反応光化学反応

呼吸呼吸呼吸呼吸

気孔開閉気孔開閉気孔開閉気孔開閉

葉面境界層葉面境界層葉面境界層葉面境界層

CO2、葉温

PPFD、葉温

葉温

風速

湿度、葉温、CO2、PPFD etc

個葉モデル

H2O

CO2

2015/11/25

6

11

プロセス・モデル

光合成モデル

カルビンサイクルカルビンサイクルカルビンサイクルカルビンサイクル

光化学反応光化学反応光化学反応光化学反応

Wj = J

4 + 8 p(Γ*) / p(CC)

Wc = Vcmaxp(Cc)

p(CC) + Kc(1 + p(O)/Ko)細胞内CO2分圧

パラメタ

最大カルボキシル化速度

細胞内O2分圧

パラメタ

電子伝達速度

CO2補償点

(Farquhar et al., 1980)

12

プロセス・モデル

個葉モデル (結合モデル)

カルビンサイクルカルビンサイクルカルビンサイクルカルビンサイクル

光化学反応光化学反応光化学反応光化学反応

光合成モデル光合成モデル光合成モデル光合成モデル

気孔コンダクタンスモデル気孔コンダクタンスモデル気孔コンダクタンスモデル気孔コンダクタンスモデル

葉面境界層モデル葉面境界層モデル葉面境界層モデル葉面境界層モデル

呼吸モデル呼吸モデル呼吸モデル呼吸モデル

葉面熱収支モデル葉面熱収支モデル葉面熱収支モデル葉面熱収支モデル

2015/11/25

7

13

個葉モデル個葉モデル個葉モデル個葉モデル

放射伝達モデル放射伝達モデル放射伝達モデル放射伝達モデル

大気乱流モデル大気乱流モデル大気乱流モデル大気乱流モデル

群落モデル

群落構造、上端の放射

群落構造、

上端の風速、温度

風速、湿度、気温

PPFD、CO2 etc.

土壌微生物モデル土壌微生物モデル土壌微生物モデル土壌微生物モデル

プロセス・モデル

14

プロセス・モデル

大気乱流モデル大気乱流モデル大気乱流モデル大気乱流モデル

''3

'''20''4

21 cw

ezc

wzcw

ezt

cwλ

λ −∂∂−

∂∂

∂∂==∂

∂

( )ccuaCS Lcc −=

cSzcw

tc +

∂∂−==

∂∂ ''0

保存則保存則保存則保存則

抵抗モデル抵抗モデル抵抗モデル抵抗モデル

2015/11/25

8

15

群落多層モデル

-30-20-10

0102030

7/23 7/24 7/25 7/26 7/27 7/28 7/29 7/30正味生態系交換量

(µmol

m-2

s-1)

Date

16

プロセス・モデル

生態系モデル

植物季節モデル植物季節モデル植物季節モデル植物季節モデル

分配モデル分配モデル分配モデル分配モデル群落モデル群落モデル群落モデル群落モデル

2015/11/25

9

17

-4-3-2-101234

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

CO2

Fluxe

s (g C

m-2

d-1)

Year

プロセス・モデル

生態系モデル

2.45

2.50

2.55

2.60

2.65

2.70

葉面積指数

(m-2

m-2 )

18

プロセス・モデル

生態系モデル

植物分布モデル植物分布モデル植物分布モデル植物分布モデル & 入力入力入力入力（Sitch et al., 2003）

2015/11/25

10

19

モデルの種類と利点・欠点

シンプル 複雑

プロセスモデル経験モデル

内挿時はあたりやすい

外挿時は精度悪い。

正しく考慮されていれば、

外挿もある程度、可能？

調整パラメタがない

或いは少ない。

パラメタが多く、

決まらないことがある。

予測に不向き

20

-15

-10

-5

0

5

10

6/23 6/24 6/25 6/26 6/27 6/28020040060080010001200140016001800

正味生態系交換量

(µmol

m-2

s-1)

光合成有効光量子束

(µmol

m-2

s-1)

内挿 －経験式が成り立つ場合

2015/11/25

11

21

-15

-10

-5

0

5

10

正味生態系交換量

(µmol

m-2

s-1)

020040060080010001200140016001800

光合成有効光量子束

(µmol

m-2

s-1)

経験式が成り立たない場合

4/20 4/21 4/22 4/23 4/24 4/25

22

プロセスモデルのパラメタ

2015/11/25

12

23

モデルの当てはまり

-15-10-505

1015

0 500 1000 1500 2000

正味生態系交換量

(µmol

m-2

s-1)

光合成有効光量子束 (µmol m-2 s-1)

Pmax * b * PPFDNEE = －Pmax + b * PPFD

+ Rd

どう評価するか？

24

モデルの当てはまり

-15

-10

-5

0

5

10

-15 -10 -5 0 5 10観測 (µmol m-2 s-1)

モデル

(µmol

m-2

s-1)

Y = 0.65*X – 1.12R2=0.66

傾き切片

決定係数

RMSE=2.27 µmol m-2 s-1

二乗平均平方根誤差

(Root Mean Square Error)

2015/11/25

13

25

0.0

0.2

0.4

0.6

0.8

1.0

R2=0.96R=0.98

強い相関

Y

R2=0.90R=0.83

強い相関

0.0 0.2 0.4 0.6 0.8 1.00.0

0.2

0.4

0.6

0.8

1.0

Y

中程度の相関

R2=0.40R=0.63

X

R2=0.01R=0.10

無相関

0.0 0.2 0.4 0.6 0.8 1.0X

モデルの当てはまり

26モデルの当てはまり

回帰式の傾き、切片

相関係数、決定係数、有意水準

RMSE

χ2

共変動の強さ

変動量の強さ 平均的なバイアス

平均的な差の大きさ

適合度

2015/11/25

14

27

Training: y = 1.01x + 0.06R2=0.91, RMSE=0.80 g C m-2 d-1

2

4

6

8

10観測

(g C

m-2

d-1)

GPP

00 2 4 6 8 10経験モデル (g C m-2 d-1)

モデルの当てはまり

（Ueyama et al., 2013）

28

因子解析

モデル

入力

出力パラメタ1パラメタ2パラメタ3

気温

光

飽差

観測

比較

2015/11/25

15

29

微気象微気象微気象微気象 -micrometeorology-

0

5

10

15

20

25

30

0 0.5 1.0 4 8 12 18 20 11 12 366 368 370水平風速 (m s-1) 気温・葉温 (℃) 比湿 (g kg-1) CO2濃度 (ppm) 葉面積指数 (m2 m-2)

葉温

気温

風速が2倍になったら？どういった理由で？

高度

(m)

30

因子解析

-0.1

0.0

0.1

0.2

0.3

0.4

1900 1920 1940 1960 1980 2000 2020

バイオマス変化量

(kg C

m-2

)

対象実験

火災なし

気候変化なし

CO2

濃度上昇なし

増加

減少

Year

気候変化、CO2濃度上昇、火災

2015/11/25

16

31

因子解析

（Nemani et al., 2003）群落光合成速度に影響を及ぼす要因

32

MIP(モデル相互比較) Ichii et al. (2010)

GPP (群落光合成速度)

2015/11/25

17

33

予測 －MIP(モデル相互比較)陸

上生態系の吸収量

(GtC

yr-1

)

吸収

放出

Friedlingstein et al. (2006)

34

アンサンブル予測

（http://www.jma.go.jp/jma/kishou/know/whitep/1-3-8.html）

2015/11/25

18

35

モデルの最適化 （パラメタの決定）

モデル

入力 出力パラメタ1パラメタ2パラメタ3

モデル

入力

出力パラメタ1パラメタ2パラメタ3

（観測データ）（観測データ）（観測データ）（観測データ）

36

プロセス・モデル

カルビンサイクルカルビンサイクルカルビンサイクルカルビンサイクル

光化学反応光化学反応光化学反応光化学反応

呼吸呼吸呼吸呼吸

気孔開閉気孔開閉気孔開閉気孔開閉

葉面境界層葉面境界層葉面境界層葉面境界層

CO2、葉温

PPFD、葉温

葉温

風速

湿度、葉温、CO2、PPFD etc

個葉モデル

H2O

CO2

2015/11/25

19

37

モデルの最適化 （パラメタの決定）

0

5

10

15

20

25

0 5 10 15 20 25Modeled GPP （µmol m-2 s-1）

Obse

rved G

PP （µ

mol m

-2s-1

） Y = 0.93 x + 0.19R2=0.83

RMSE=2.14 µmol m-2 s-1

最小になるように

パラメタの組み合わせ

を決める。

38

020406080100120140160180

1 2 3 4 5 6 7 8 9 10 11 12

V cmax

25or

J max

25(µm

ol m-

2s-1

)

Month

Vcmax25 (最大カルボキシル速度)Jcmax25 (最大電子伝達速度)

モデルの最適化

2015/11/25

20

39

逆解析

モデル

入力 出力パラメタ1パラメタ2パラメタ3

モデル

入力

出力パラメタ1パラメタ2パラメタ3

（観測データ）（観測データ）（観測データ）（観測データ）

40

逆解析

05

101520253035

-3 -2 -1 0 1CO2 sink/source (µmol m-2 s-1)

Heigh

t (m)

大気

乱流

モデル

大気

乱流

モデル

大気

乱流

モデル

大気

乱流

モデル

395 400 405 410 415CO2濃度 (ppm)

05

101520253035

Heigh

t (m)

-2 -1 0 1 205

101520253035

CO2 sink/source (µmol m-2 s-1)

Heigh

t (m)

光合成光合成光合成光合成 呼吸呼吸呼吸呼吸

光合成光合成光合成光合成 呼吸呼吸呼吸呼吸

2015/11/25

21

41

大気輸送モデル

逆解析 －GOSATプロジェクト

http://www.gosat.nies.go.jp/jp/result/download/GOSAT_L4CH4_20149327_jp.pdf

42

復習事項復習事項復習事項復習事項

コンセプトモデル、経験モデル

プロセスモデル （特徴、利点、欠点）

因子分析、最適化、逆解析

当てはまりの評価法

生態系モデル －結合モデル

2015/11/25

22

43

引用・参考文献引用・参考文献引用・参考文献引用・参考文献

Chapin III, F. S., Matson, P. A., and Mooney, H. A. 2002: Principles of terrestrial ecosystem ecology, Springer-Verlag Press, New York, 436 pp.

Farquhar, G. D., Von Caemmerer, S., and Berry, J. A. 1980: A biochemical model of photosynthetic CO2assimilation in leaves of C3 species, Planta 149, 79–90.Friedlingstein, P. et al. 2006: Climate-carbon cycle feedback analysis: Results from the C4MIP model

intercomparison, J. Climate, 19, 3337-3353.Ichii, K., Suzuki, T., Kato, T., Ito, A., Hajima, T., Sasai, T., Ueyama, M., Hirata, R., Saigusa, N., Ohtani, Y.,

and Takagi, K. 2010: Multi-model analysis of terrestrial carbon cycles in Japan: the role of flux observation to reduce uncertainties of model outputs among ten terrestrial ecosystem models. Biogeosciences 7, 2061–2080.

Nemani, R., Keeling, C. D., Hashimoto, H., Jolly, W. M., Piper, S. C., Tucker, C. J., Myneni, R. B., and Running S. W., 2002: Climate-driven increases in global terrestrial net primary production from 2982 to 1999. Science, 300, 1560-1563.

Sitch, S., Smith, B., Prentice, I. C., Arneth, A., Bondeau, A., Cramer, W., Kaplan, J. O., Levis, S., Lucht, W., Sykes, M. T., Thonicke, K., and Venevsky, S. 2003: Evaluation of ecosystem dynamics, plant geography and terrestrial carbon cycling in the LPJ dynamic global vegetation model, Glob. Change Biol., 9, 161–185.

Ueyama, M., et al. 2013: Upscaling terrestrial carbon dioxide fluxes in Alaska with satellite remote sensing and support vector regression, J. Geophys. Res. Biogeosciences, 118, doi:10.1002/jgrg.20095.

Vourlitis, G. L., Aillie, J., Oechel, W. C., Hope, A., Stow, D., and Engstrom, R. 2003: Spatial variation in regional CO2 exchange for the Kuparuk river basin, Alaska over the summer growing season. Global Change Biol., 9, 930–041.