Automated calibration of a Carbon dynamic model for lakes and reservoirs : (calibração automática de um modelo de dinâmica de Carbono em lagos e reservatórios)

Abstract

Resumo: A carência de medidas de fluxos de gases de efeito estufa (GEE), junto com as incertezas referentes às extrapolações de emissões pontuais para emissões totais, resultam em conclusões imprecisas referente a participação de reservatórios no clima global. O modelo matemático CICLAR é usado para simular fluxos de CO2 e CH4 por 45 anos no reservatório de Capivari, Paraná, Brasil. O modelo é estruturado em compartimentos de diferentes formas de carbono, como o carbono inorgânico dissolvido (CID) e o carbono orgânico particulado vivo (COPL). Processos químicos de transferência de massa entre compartimentos são modelados como reações de primeira ordem e de saturação que são controladas por parâmetros numéricos. O valor destes parâmetros são calibrados através da minimização de diferenças entre dados observados e modelados através de algoritmos de calibração. O algoritmo metaheuristico de Otimização Multi-objetivo por Enxame de Particulas Combinada de Pareto (CPMOPSO), que combina técnicas de seleção de líderes, mutações e subenxames, foi desenvolvido e aplicado como método de otimização. O algoritmo de calibração automática utiliza dados provenientes da calibração manual. Quatro cenários foram analisados: o avaliativo, que usa os primeiros 30 e os últimos 15 anos de dados do reservatório para calibrar e validar o modelo; e o retrospective, o prospectivo e o ideal, que usam 9 anos de dados, distribuídos de maneiras diferentes, para calibrar o modelo. A qualidade dos resultados da calibração foi positivamente considerada através do uso do cenário avaliativo. Os resultados da calibração sob os cenários retrospectivo e prospectivo mostraram que o algoritmo tende a superestimar emissões de metano se dados mal distribuídos são utilizados. A otimização sob o cenário ideal obteve melhores resultados e mostrou que a disposição dos dados tem maior impacto do que a quantidade sobre a calibração. Todas as soluções sob todos os cenários obtiveram soluções com coeficientes de Nash-Sutcliffe superiores a 0.95 para o período de calibração. As distribuições acumuladas das médias dos Potenciais de Aquecimento Global (GWP) mostraram que a maioria das soluções calibradas classificam o reservatório como um sumidouro de dióxido de carbono equivalente, absorvendo até 90 Gg de CO2 eq. Estimativas alternativas de estoque de carbono foram utilizadas para calibrar o modelo em um escopo em que nenhuma solução prévia é conhecida. São feitas considerações adicionas referentes a aplicação de métodos de análise de incertezas e agregação Bayesiana para melhor aferir múltiplos conjuntos de parâmetros. Palavras-chaves: Modelagem matemática. Dinâmica do carbono. Gases de efeito estufa. Potencial de aquecimento global. Enxame de partículas. Dominância de Pareto.

Abstract: The low availability of measured greenhouse gas (GHG) fluxes for lakes and reservoirs, coupled with uncertainties regarding extrapolating total reservoir emissions from point measurements, result in inaccurate conclusions regarding the role of reservoirs in the global climate. The Carbon Cycle in Lakes and Reservoirs (CICLAR) model is used to study potential contributions, through carbon dioxide (CO2) and methane (CH4) emissions, of the Capivari reservoir, Brazil, since its construction in 1970. The model is structured in compartments for different carbon forms, such as dissolved inorganic carbon (DIC) and live particulate organic carbon (POCL), and model chemical processes as first order reactions controlled by numerical parameters. The values of these parameters are calibrated by minimizing differences between original and modeled data through an optimization algorithm. The Combined Pareto Multi-objective Particle Swarm Optimization (CPMOPSO) metaheuristic algorithm, which combines leader selection, mutation and subswarm techniques, is developed and successfully used as the optimization technique. The automated calibration algorithm uses data originated from the manual calibration. Four calibration scenarios are used to analyze the impact of data disposition in the calibration results: the evaluative scenario that has the initial 30 years to calibrate and the final 15 to validate the model; and the retrospective, prospective and ideal scenarios, that uses 9 years of data differently distributed. The evaluative data scenario is used to assess the quality of the calibration results, which successfully fit the validation data. The retrospective and prospective scenario are used to analyze the performance of the calibration under unevenly spread data, and the results show that the model had a bias to overestimate methane emissions. The calibration under the ideal scenario is used to show that having evenly spread data has a bigger impact on calibration results than having larger amounts of data. All calibrated solutions for all scenarios present Nash-Sutcliffe coefficient values higher than 0.95 for the calibration period. The cumulative distribution of average Global Warming Potential (GWP) indexes shows that most calibrated solutions estimated that the Capivari reservoir is a sinkhole for equivalent carbon dioxide and that it can absorb up to 90 Gg of equivalent CO2. Alternative carbon stock estimations are used to calibrate the model under a framework in which the results cannot be validated due to no previous solutions being known. Further consideration are drawn regarding the application of uncertainty analysis and Bayesian aggregation methods to better assess the combination of multiple set of parameters. Keywords: Mathematical modeling. Carbon dynamics. Greenhouse gases. Global warming potential. Particle swarm optimization. Pareto dominance.