Resumen

Utilizando parametrizaciones biológicas espaciotemporales, se aplicó el método variacional adjunto a un modelo dinámico de ecosistema marino en 3D. Los resultados de experimentos gemelos demostraron que el error medio absoluto (MAE) del fitoplancton en la capa superficial y la función de coste reducido (RCF) podían utilizarse para evaluar tanto los resultados de la simulación como la estimación de parámetros. La variación espaciotemporal de los parámetros clave (KP) se optimizó en experimentos reales. La FCR y la MAE en cada periodo de asimilación (72 periodos por año) disminuyeron de forma evidente. El KP espacialmente variable (KPS), el KP temporalmente variable (KPT) y el KP constante (KPC) se obtuvieron promediando KPs de variación espaciotemporal. Otro tipo de KP espaciotemporal (KPST) estaba representado por KPS, KPT y KPC. El análisis de correlación de los KP, ya fueran KPS o KPT, concordaba con el mecanismo ecológico real. Ejecutando el modelo con KPS, KPT, KPC y KPST, respectivamente, descubrimos que el MAE era el mínimo cuando los KP eran de variación espaciotemporal (KPST), mientras que el MAE alcanzaba su máximo cuando los KP eran constantes (KPC). El uso de KPs espaciotemporales podría mejorar la precisión de la simulación en comparación con el uso exclusivo de KPs de variación espacial, KPs de variación temporal o KPs constantes (estas formas son los resultados de un estudio anterior). El KPST, una representación de la variación espaciotemporal, reduce el número de variables en el cálculo.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:kps, variación espaciotemporal, kpc, kps, kpst, kpt, mae, ecosistema marino 3d, método variacional adjunto, error medio absoluto
• Keywords:kps, spatiotemporal variation, kpc, kps, kpst, kpt, mae, 3d marine ecosystem, adjoint variational method, mean absolute error