TraceMe

全球气候变化背景下，地球科学的发展使得地球系统模型结构更加丰富和观测数据量爆炸式的增加。 然而，不同模型模拟存在巨大的不确定性，这就要求模型评估能够更加系统和全面。 更复杂的模型结构和浩繁的数据量对当前的模型评估提出了新的挑战， 其中一个挑战是模型评估方法需要能够从复杂的模型结构中溯源出不同模型间的不确定性来源； 另一个挑战是不同模型组分之间的不确定性是具有一定传递关系的，需要能够量化出组分间的不确定性。 为了更好地理解和探索模型估计的不确定性，模型评估需要新的评估方法和全面的观测数据集来溯源和量化模型估计的不确定性的来源。 针对模型评估面临新的挑战，本研究组致力于发展新的基于溯源性分析方法的模型评估系统（如左图所示溯源性分析方法框架）。 溯源性分析方法是基于矩阵化的方法来简化复杂的模型结构，并系统性反应出不同模拟组分结构上的关系。 借助溯源性分析方法，模型评估能够溯源出不确定性的结构性来源，并能量化不同估计组分对目标估计量的不确定性贡献。