Qu'est-ce que l'efficacité de Nash-Sutcliffe ?

C'est une mesure largement utilisée de la qualité de l'ajustement de l'hydrogramme simulé d'un modèle aux observations, comparant l'erreur du modèle à la variance des observations ; une valeur de un indique un ajustement parfait, tandis que zéro signifie que le modèle n'est pas meilleur que l'utilisation du débit moyen observé.

Pourquoi un modèle ne peut-il pas être calibré avec un seul ensemble de paramètres optimal ?

En raison de l'équifinalité, de nombreux ensembles de paramètres différents reproduisent les observations presque aussi bien, de sorte qu'aucun ensemble unique n'est clairement le meilleur ; c'est pourquoi la pratique moderne estime l'incertitude à travers de nombreux modèles acceptables plutôt que de se fier à un seul optimum.

Calibrage et incertitude des modèles

Le calibrage ajuste les paramètres des modèles pour qu'ils correspondent aux observations, et l'analyse d'incertitude quantifie le degré de confiance que l'on peut accorder aux prévisions hydrologiques qui en résultent.

Trouver un sujet avec PaperMindBientôtFind papers & topics

Tools & resources

Télécharger les diapositives

Learn & explore

VidéoBientôt

Definition

Le calibrage est le processus d'ajustement des paramètres d'un modèle afin que les sorties simulées correspondent aux données observées selon une fonction objective choisie ; l'analyse d'incertitude est la quantification de l'incertitude des paramètres, de la structure, des entrées et des prévisions du modèle.

Scope

Ce sujet aborde les fonctions objectives et les mesures de performance, les méthodes de calibrage et d'estimation des paramètres, le problème de l'équifinalité, et les cadres d'estimation de l'incertitude prédictive dans les modèles hydrologiques. Il traite de la manière dont les modèles sont adaptés à l'utilisation et dont leur fiabilité est évaluée, tant pour les modèles conceptuels que distribués.

Core questions

Comment la performance des modèles est-elle mesurée et optimisée ?
Comment les paramètres des modèles sont-ils calibrés par rapport aux observations ?
Qu'est-ce que l'équifinalité, et pourquoi complique-t-elle le calibrage ?
Comment l'incertitude prédictive peut-elle être estimée et communiquée ?

Key concepts

Fonctions objectives
Efficacité de Nash-Sutcliffe et de Kling-Gupta
Optimisation des paramètres
Équifinalité
Méthodes GLUE et d'ensemble
Bornes d'incertitude prédictive

Key theories

Fonctions objectives et mesures d'efficacité: La performance est quantifiée à l'aide de fonctions objectives telles que l'efficacité de Nash-Sutcliffe et ses décompositions (par exemple l'efficacité de Kling-Gupta), guidant le calibrage et permettant la comparaison des modèles.
Équifinalité et GLUE: Reconnaissant que de nombreux ensembles de paramètres s'ajustent aux observations de manière à peu près équivalente, le cadre GLUE rejette la recherche d'un optimum unique et échantillonne plutôt des modèles comportementaux pour produire des bornes d'incertitude sur les prévisions.

Clinical relevance

Un calibrage et une estimation de l'incertitude rigoureux déterminent le degré de confiance à accorder aux prévisions d'inondations et d'approvisionnement en eau, éclairent les décisions basées sur les risques et la conception des infrastructures, et prémunissent contre une confiance excessive dans des prévisions de modèles uniques qui peuvent entraîner des erreurs coûteuses.

History

Des mesures d'adéquation telles que l'efficacité de Nash-Sutcliffe ont formalisé l'évaluation des modèles en 1970 ; la reconnaissance de l'équifinalité et la méthodologie GLUE en 1992 ont orienté la modélisation hydrologique vers une estimation explicite de l'incertitude, et des travaux ultérieurs ont affiné les métriques de performance et les cadres d'incertitude.

Debates

Estimation formelle versus informelle de l'incertitude: Les hydrologues débattent de la question de savoir si l'incertitude prédictive doit être estimée à l'aide de vraisemblances bayésiennes formelles, qui exigent des hypothèses fortes sur les erreurs, ou avec des approches informelles telles que GLUE, qui sont plus flexibles mais critiquées comme statistiquement incohérentes.

Key figures

Keith J. Beven
Hoshin V. Gupta
James E. Nash

Seminal works

nash1970
beven1992
gupta2009

Frequently asked questions

Qu'est-ce que l'efficacité de Nash-Sutcliffe ?: C'est une mesure largement utilisée de la qualité de l'ajustement de l'hydrogramme simulé d'un modèle aux observations, comparant l'erreur du modèle à la variance des observations ; une valeur de un indique un ajustement parfait, tandis que zéro signifie que le modèle n'est pas meilleur que l'utilisation du débit moyen observé.
Pourquoi un modèle ne peut-il pas être calibré avec un seul ensemble de paramètres optimal ?: En raison de l'équifinalité, de nombreux ensembles de paramètres différents reproduisent les observations presque aussi bien, de sorte qu'aucun ensemble unique n'est clairement le meilleur ; c'est pourquoi la pratique moderne estime l'incertitude à travers de nombreux modèles acceptables plutôt que de se fier à un seul optimum.