Water is een wereldwijde hulpbron die essentieel is voor het leven op onze planeet, dus hydrologisch onderzoek en de studie van het beheer ervan is ook cruciaal werk geworden voor de continuïteit van het leven op aarde. De beschikbaarheid van openbare gegevens over watergedrag, zoals gegevens over rivierstroming en regenval, zijn essentieel voor de onderzoeksgemeenschap om een ​​wereldwaterkaart te maken. Bij het tekenen van deze kaart, het publiek en de mensen die de watervoorraden op lokale schaal beheren, spelen ook een belangrijke rol. Door middel van burgerwetenschap, zij verstrekken en verifiëren gegevens.

De onderzoeksgemeenschap werkt aan deze taak met hydrologische modellen, dat zijn hulpmiddelen waarmee ze processen in de hydrologische cyclus kunnen weergeven, en kunnen verkrijgen, bijvoorbeeld, voorspellingen over rivierstroming met behulp van voornamelijk regenvalgegevens (maar ook andere atmosferische variabelen zoals temperatuur, zonnestraling, landkenmerken en plantontwikkeling kunnen worden gebruikt). Deze tools gebruiken meestal een hydrologisch bassin als meeteenheid, waarbij een bassin een landeenheid is waarvan het water naar hetzelfde punt stroomt.

Onderzoeker Rafael Pimentel van de onderzoeksgroep Fluvial Dynamics and Hydrology aan de Universiteit van Cordoba, werkte twee jaar bij de Hydrologie-eenheid van het Swedish Meteorological and Hydrological Institute (SMHI), waar hij deelnam aan het vormgeven van het eerste wereldwijde model op bekkenschaal. Het gebruikte model was HYPE, een in genoemde eenheid ontworpen model voor alomvattend waterbeheer in Zweden en eerder op Europese schaal gebruikt.

Het modelleringsproces was uitdagend maar haalbaar volgens de onderzoeksstaf aangezien het werd toegepast op meer dan 130, 000 bekkens die de landmassa van de wereld bedekken (behalve Antarctica). De grootste uitdaging was het verzamelen van gegevens en het evalueren van hun kwaliteit, evenals het kalibreren van het model, dat is het proces van het testen van de gegevens van het rivierstromingsmodel en de waargenomen gegevens om te beoordelen of het model al dan niet goed werkte. Vanwege de complexiteit van het weergeven van de grote reeks wereldwijde hydrologische processen, de prestaties van het model varieerden. In het algemeen, het model geeft goede resultaten, met een gemiddelde waarde van meer dan 0,4 in de Kling-Gupta Efficiency-metriek (KGE), dat is een index die wordt gebruikt om de goedheid van een hydrologisch model te kwantificeren die modellen van 0,4 of meer als goed classificeert. De oostelijke VS, Europa, Japan en gebieden van Rusland, Azië, Canada en Zuid-Amerika waren de gebieden met de beste resultaten, met KGE-waarden van meer dan 0,6, waaruit een groot potentieel blijkt voor het gebruik ervan bij het uitvoeren van seizoensvoorspellingen van rivierstroming in deze gebieden. Met behulp van deze weergegevens in een periode van zes maanden, het is mogelijk om rivierafvoergegevens voor de komende zes maanden te voorspellen. Deze voorspelling is heel nuttig voor personeel bij reservoirs en waterkrachtcentrales die, met behulp van deze gegevens, hun middelen beter en nauwkeuriger beheren en plannen.

De uitdaging van het schalen en kwantificeren van de goedheid van dit model, naast het verifiëren van de geografische ligging van meren, rivieren en reservoirs zodat het allemaal samenvalt bij het schalen van het model, was mogelijk dankzij de hoeveelheid vrij toegankelijke hydrologische gegevens die beschikbaar zijn voor zowel de onderzoeksgemeenschap als het grote publiek, hoewel de rivierstroomgegevens in dit geval in veel gebieden schaars waren. Dit laat zien hoe open toegang en gedeelde kennis hydrologie vooruit helpt. Hoe dan ook, er is een gebrek aan informatie, vooral met betrekking tot rivierstroming, in veel delen van de wereld om deze verificatie uit te voeren. Dus, het idee van het creëren van een netwerk van collaboratieve wetenschap is voorgesteld. Met behulp van dit netwerk, onderzoekers, managers, adviseurs en studenten die in deze gebieden werken met hydrologische informatie op lokale schaal zouden het model in die gebieden kunnen beoordelen. Het overeenkomstige deel van het model zou aan geïnteresseerden worden verstrekt, met het idee om samen het model te verifiëren en aan te passen door middel van workshops waarin de lokale bevolking hun feedback zou geven. Op deze manier, de weergave van de werkelijkheid door het model op wereldschaal zou verbeteren.