De multivariabele geïntegreerde evaluatiemethode (MVIE) kan meteorologen helpen om de algehele prestaties van een klimaatmodel kwantitatief te evalueren bij het simuleren van meerdere variabelen zoals luchttemperatuur, neerslag, en vectorwind, tegen geobserveerde.

Onlangs, onderzoekers van de Nanjing University en het Institute of Atmospheric Physics (IAP) van de Chinese Academy of Sciences hebben een gebruiksvriendelijke Multivariable Integrated Evaluation Tool (MVIETool) ontwikkeld die is gecodeerd met Python/NCL om de evaluatie van klimaatmodellen en de onderlinge vergelijking van modellen te vergemakkelijken, verbetering van de MVIE-methode.

De studie is gepubliceerd in Geowetenschappelijke modelontwikkeling op 28 mei.

"De verbeterde MVIE-methode kan een uitgebreidere en nauwkeurigere evaluatie van de prestaties van klimaatmodellen bieden. Met de steun van de MVIETool, men kan modelprestaties gemakkelijk evalueren in termen van elke individuele variabele en/of meerdere variabelen, " zei Zhang Mengzhuo van de School of Atmospheric Sciences, Nanjing-universiteit, de eerste auteur van de studie.

Bij de verbeterde methode de oppervlakteweging wordt meegenomen in de definitie van statistiek in MVIE, wat de evaluatieresultaten van ruimtelijke velden nauwkeuriger maakt. "De methode maakt een gemengde evaluatie van scalaire en vectorvelden mogelijk, " zei Prof. Xu Zhongfeng van IAP, de corresponderende auteur van de studie. "Een multivariabele geïntegreerde vaardigheidsscore wordt voorgesteld als een flexibele en genormaliseerde index om het vermogen van een model om meerdere velden te simuleren kwantitatief te meten."

Naast de evaluatie van klimaatmodellen, de verbeterde MVIE-methode kan ook op andere gebieden worden toegepast, bijv. machinaal leren. Men kan de MVIE-methode gebruiken om de algehele nauwkeurigheid te meten van meerdere variabelen die worden gegenereerd door een machine learning-model ten opzichte van de doelwaarden.