1。観察データの比較 ：
- モデルの出力（河川流量、水予算など）と、観察されたデータと測定ステーション、リモートセンシング、またはフィールド測定と比較します。
- モデルが観測された水文学的パターンと大きさを再現できる程度を分析します。
2。水バランス分析 ：
- モデルが入力（降水量）と出力（蒸発、蒸散、流出）を比較して水を節約するかどうかを確認します。
- 水バランスコンポーネントを正確にキャプチャするモデルの能力を評価します。
3。感度分析 ：
- モデルの感度を評価するために、合理的な範囲内でモデルパラメーターと入力を変化させます。
- モデル出力に対するパラメーターの不確実性の影響を評価し、重要なパラメーターを特定します。
4。モデル相互比較プロジェクト ：
-The Global Water Futures（GWF）やHydrologic Model Intercomparison Project（HMIP）などの国際モデル相互比較プロジェクトに参加します。
- 標準化されたシナリオの下で、他のグローバル水モデルとモデルのパフォーマンスを比較します。
5。不確実性分析 ：
- モデル予測に関連する不確実性を定量化します。
- モンテカルロシミュレーション、ベイジアン分析、アンサンブルモデリングなどの方法を使用して、モデル出力の不確実性を評価します。
6。プロセスベースの評価 ：
- モデルの水文プロセスの表現を分析します。
- シミュレートされたプロセス（浸潤、蒸発散など）を理論的または経験的関係と比較します。
7。歴史的な出来事に対する検証 ：
- 洪水、干ばつ、季節のバリエーションなど、過去のイベントをシミュレートするモデルの能力をテストします。
- 予測スキルを評価するために、履歴記録とモデルの予測を比較します。
8。地域化と転送可能性 ：
- さまざまな気候、生理学、および土地被覆地域でのモデルのパフォーマンスを評価します。
- 地域の水文学的特性をキャプチャするモデルの能力を評価します。
9。ユーザーのフィードバックと専門家の判断 ：
- モデルユーザー、水管理者、専門家からフィードバックを収集します。
- 実用的な側面、ユーザーフレンドリー、および意思決定プロセスとのモデルの関連性を検討してください。
10。ピアレビュー ：
- モデルとその評価を、この分野の専門家による厳密なピアレビューを受けます。
- 科学雑誌にモデルの説明、評価結果、および不確実性の推定を公開します。
これらの方法に加えて、グローバルな水モデルの継続的な監視、更新、および改善は、時間の経過とともに品質と信頼性を向上させるために必要です。
