1. 관찰 데이터 비교 :
- 모델 출력 (예 :스트림 흐름, 물 예산)을 측정 스테이션, 원격 감지 또는 현장 측정의 관찰 된 데이터와 비교하십시오.
- 모델이 관찰 된 수 문학적 패턴과 크기를 재현 할 수있는 정도를 분석하십시오.
2. 물 균형 분석 :
- 모델이 입력 (강수량)과 출력 (증발, 증산, 유출)을 비교하여 물을 보존하는지 확인하십시오.
- 물 균형 성분을 정확하게 캡처하는 모델의 능력을 평가하십시오.
3. 민감도 분석 :
- 모델 감도를 평가하기 위해 합리적인 범위 내에서 모델 매개 변수 및 입력을 다양하게합니다.
- 모델 출력에 대한 매개 변수 불확실성의 영향을 평가하고 중요한 매개 변수를 식별하십시오.
4. 모델 간 비교 프로젝트 :
- 글로벌 워터 선물 (GWF) 또는 수 문학적 모델 인터페이스 프로젝트 (HMIP)와 같은 국제 모델 상호 비교 프로젝트에 참여하십시오.
- 표준화 된 시나리오 하에서 모델 성능을 다른 글로벌 워터 모델과 비교하십시오.
5. 불확실성 분석 :
- 모델 예측과 관련된 불확실성을 정량화합니다.
- Monte Carlo 시뮬레이션, 베이지안 분석 또는 앙상블 모델링과 같은 방법을 사용하여 모델 출력의 불확실성을 평가합니다.
6. 프로세스 기반 평가 :
- 모델의 수 문학적 과정 표현을 분석하십시오.
- 시뮬레이션 프로세스 (예 :침투, 증발산)와 이론적 또는 경험적 관계를 비교하십시오.
7. 역사적 사건에 대한 검증 :
- 홍수, 가뭄 또는 계절적 변형과 같은 과거 사건을 시뮬레이션하는 모델의 능력을 테스트하십시오.
- 예측 기술을 평가하기 위해 역사적 기록에 대한 모델 투영을 비교하십시오.
8. 지역화 및 양도성 :
- 다른 기후, 생리 학적 및 육상 커버 지역에서 모델의 성능을 평가하십시오.
- 지역 수 문학적 특성을 캡처하는 모델의 능력을 평가합니다.
9. 사용자 피드백 및 전문가 판단 :
- 모델 사용자, 수도 관리자 및 전문가로부터 피드백을 수집하십시오.
-실용적인 측면, 사용자 친화 성 및 모델과 의사 결정 프로세스와 관련이있는 것을 고려하십시오.
10. 동료 검토 :
- 분야의 전문가들에 의한 모델과 평가를 엄격한 동료 검토에 적용합니다.
- 과학 저널에 모델 설명, 평가 결과 및 불확실성 추정치를 게시합니다.
이러한 방법 외에도 시간이 지남에 따라 품질과 안정성을 향상시키기 위해서는 글로벌 워터 모델의 지속적인 모니터링, 업데이트 및 개선이 필요합니다.
