《Ocean Modelling》：Bayesian Estimation of Ecosystem Model Parameters in the Black Sea: Integrating Satellite Observations to Reduce Uncertainty
编辑推荐：
黑海开放水域采用贝叶斯分层模型（BHM）结合卫星数据（叶绿素-a、海表温度、混合层深度）估算NPZD模型参数，显著降低生物参数（如浮游植物生长、浮游动物动态）不确定性（60%-97%），但垂直过程参数（如 detritus 沉降、光衰减）仍难确定，凸显现场观测的必要性。
Müjdat Ayd?n|?ükrü Turan Be?iktepe
九月二十九日大学，海洋科学与技术研究所，海洋生物资源系，?nciralt?，35340，伊兹密尔，土耳其
摘要
Parslow等人（2013年，《生态应用》，23:679-698）开发的贝叶斯层次建模（BHM）方法用于估计随机营养物-浮游植物-浮游动物-碎屑（NPZD）模型中的生物地球化学参数，该方法已在黑海的开放水域得到应用。通过使用粒子马尔可夫链蒙特卡洛（PMCMC）方法，该模型将卫星获取的叶绿素-a数据与海表温度和混合层深度等物理变量相结合。生态系统状态和模型参数的联合推断显著降低了参数的后验不确定性。后验分布表明对生物参数有很强的约束作用，浮游植物生长和浮游动物动态的不确定性减少了60%到97%。我们发现，在物理条件变化的情况下，海洋生物地球化学系统的预测不确定性呈现出依赖流动的结构特征，不确定性量化指标和聚类分析揭示了基于卫星监测的局限性。那些调节垂直过程的参数（如碎屑沉降和光衰减）仍然难以识别，这突显了进行原位观测的必要性。
引言
在海洋环境中，低营养级生态系统的模型对于理解海洋生物、化学和物理过程之间的相互作用及其在地球气候系统中的作用至关重要。这些模型可以预测浮游生物生物量对物理条件（如光照、风、温度）和主要溶解无机氮（DIN）变化的响应。通过物理过程被带到光合带的无机营养物质通过光合作用转化为有机物质，然后这些有机物质在不同的生态系统组成部分之间重新分布。特定参数（速率常数）控制着这种重新分布。由于观测数据的有限性和不确定性、数据的时间和空间不匹配以及生态系统动态的固有复杂性（Milliff等人，2013年；Ward等人，2010年），估计模型参数仍然具有挑战性。这些限制引入了不确定性，并限制了生态系统的预测能力（Mamnun等人，2022年）。模型在各种物理和生物条件下的表现直接取决于参数值的准确确定。
尽管观测系统和数值模型的进步提高了我们模拟生态系统动态的能力，但不确定性仍然是这些系统的固有特征，而不是不完美数据或模型的残留问题（Berliner，2003年；Cressie等人，2009年）。
为了克服这些挑战，统计方法，特别是贝叶斯层次模型（BHMs），通过整合专家知识、历史数据和观测误差来系统地处理不确定性（Wikle等人，2013年）。
黑海的开放水域因其独特的垂直分层、明显的盐度跃层以及明确的季节性浮游生物繁殖模式，为以不确定性为重点的生态建模提供了理想的自然实验室。在其开放水域中，浮游植物群落遵循一个明确的年度周期，春季和秋季会出现明显的繁殖高峰（Mikaelyan等人，2018年；Silkin等人，2023年；Vostokov等人，2019年）。
在过去三十年中，黑海生态系统的建模取得了显著进展，相关文献众多（例如O?uz等人，1999年；Grégoire等人，2008年；O?uz等人，2014年；Miladinova等人，2020年；Silkin等人，2024年）。这些模型主要用于理解黑海生态系统的变异性，并探索对其观测结构有贡献的环境条件和生物地球化学过程。模型参数的选择基于实证数据、实验研究和先前的文献，以确保模型能够再现黑海中的生态模式。在参数集中，与浮游植物相关的参数——特别是那些与生长、营养吸收和捕食有关的参数——被确定为季节性变异性的关键驱动因素（Mikaelyan等人，2018年；Miladinova等人，2020年；Stelmakh等人，2009年）。这些参数反映了基本过程，包括光合作用效率、营养限制、死亡率和营养转移。
我们的主要假设是，当贝叶斯层次模型与卫星获取的海洋学数据结合使用时，可以显著提高黑海海洋生态系统参数的估计精度。采用先进的贝叶斯技术来量化生态不确定性，同时整合基于卫星的观测数据，如混合层深度（MLD）、海表温度（SST）和叶绿素-a浓度。
基于PMCMC的贝叶斯框架已应用于多个海洋系统（例如阿拉斯加湾；Milliff等人，2013年；Fiechter等人，2013年），但在像黑海这样生态独特且数据有限的流域中，其应用仍然有限。在这里，我们展示了第一个基于卫星的黑海贝叶斯应用，专注于不依赖原位观测的生物地球化学参数估计。通过将卫星数据整合到概率建模框架中，该方法提供了一种研究生态系统动态和参数可识别性的方法，尤其是在直接观测稀少的边缘海域。
本研究通过评估仅使用卫星观测数据在贝叶斯层次框架内约束关键生态参数的程度，填补了黑海生物地球化学建模中的一个关键空白。分析重点不是方法创新，而是生态解释——即在观测限制下哪些生物和物理过程可以可信地推断出来。追求三个主要目标：（i）量化生物参数与物理参数的不确定性降低程度；（ii）评估基于过程的NPZD模型的季节性可信度和预测能力；（iii）通过后验聚类和熵分析识别新兴的生态模式。通过关注黑海中部，该分析展示了贝叶斯推断作为理解数据有限海洋环境中生态系统动态的诊断工具的潜力。
第2节描述了与我们的研究相关的黑海特征、数据集、贝叶斯建模框架以及分析模型性能和结果的工具。第3节展示了模型结果和参数分析，第4节总结了主要结论。
研究区域
黑海是世界上最大的封闭海域之一，表面积为4.2×105平方公里，最大深度为2200米，仅通过土耳其海峡系统与海洋相连（图1）。黑海的水柱特征是强烈且持久的两层分层，明显地将混合良好的表层水与缺氧的深层水分开（?zsoy和ünlüata，1997年）。明显的盐度跃层是由地中海咸水的流入维持的
叶绿素-a动态
2015-2018年间，使用基于PMCMC的贝叶斯层次模型模拟了黑海开放水域中混合层叶绿素-a浓度的时间变化（图3）。同化的叶绿素-a观测数据和CMEMS再分析数据在时间序列上重叠。后验模型估计再现了观察到的浮游植物生物量的季节性变化。
最强烈的繁殖发生在冬季（2月至3月），其次是较弱的春季繁殖（4月至5月）
结论
本研究采用贝叶斯层次推断框架分析了黑海开放水域中的随机NPZD模型，评估了数据有限条件下的生态系统变异性。结果表明，概率推断有助于同时表示生态状态、过程不确定性和参数不确定性，为解释生态系统动态提供了连贯的基础，而这在单独考虑这些元素时是无法实现的。这些发现
CRediT作者贡献声明
Müjdat Ayd?n：概念化、方法论、软件、形式分析、撰写——初稿、可视化。?ükrü Turan Be?iktepe：调查、资源获取、验证、撰写——审阅与编辑、监督。
写作过程中使用生成式AI和AI辅助技术的声明
作者承认使用了ChatGPT进行语言编辑支持。他们审查并批准了所有内容，并对最终手稿负全责。
未引用的参考文献
Mikaelyan等人，2017年；Milliff等人，2015年；O?uz和Be?iktepe，1999年；Silkin等人，2021年
CRediT作者贡献声明
Müjdat Ayd?n：撰写——审阅与编辑、撰写——初稿、可视化、软件、方法论、形式分析、概念化。?ükrü Turan Be?iktepe：撰写——审阅与编辑、验证、资源获取、调查、概念化。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
致谢
作者衷心感谢DOORS——黑海最佳和开放研究支持项目（Horizon 2020，资助协议编号101000518）的支持。
