Vatten är en global resurs som är avgörande för livet på vår planet, därför har hydrologisk forskning och studiet av dess förvaltning också blivit ett avgörande arbete för kontinuiteten i livet på jorden. Tillgången till offentliga data om vattenbeteende såsom data om flodflöden och nederbörd är nyckeln för forskarsamhället för att skapa en världsvattenkarta. När du ritar denna karta, allmänheten och människor som förvaltar vattenresurser i lokal skala spelar också viktiga roller. Genom att bedriva medborgarvetenskap, de tillhandahåller och verifierar data.

Forskarsamhället arbetar med denna uppgift med hydrologiska modeller, som är verktyg som gör det möjligt för dem att representera processer i det hydrologiska kretsloppet, och kan få, till exempel, förutsägelser om flodflöden med hjälp av i första hand nederbördsdata (men även andra atmosfäriska variabler som temperatur, solstrålning, markegenskaper och växtutveckling kan användas). Dessa verktyg använder vanligtvis en hydrologisk bassäng som en måttenhet, där en bassäng är en landenhet vars vatten rinner mot samma punkt.

Forskaren Rafael Pimentel från forskningsgruppen Fluvial Dynamics and Hydrology vid University of Cordoba, arbetat två år på Hydrologienheten vid Sveriges meteorologiska och hydrologiska institut (SMHI) där han deltog i att forma den första globala modellen i bassängskala. Modellen som användes var HYPE, en modell utformad i nämnda enhet för heltäckande vattenförvaltning i Sverige och som tidigare använts i europeisk skala.

Modelleringsprocessen var utmanande men genomförbar enligt forskarpersonalen eftersom den tillämpades på mer än 130, 000 bassänger som täcker världens landmassa (förutom Antarktis). Den största utmaningen var att sammanställa data och utvärdera deras kvalitet, samt kalibrering av modellen, det är processen att testa data från flodflödesmodellen och de observerade data för att bedöma om modellen fungerade korrekt eller inte. På grund av komplexiteten i att representera det stora utbudet av globala hydrologiska processer, modellens prestanda varierade. Generellt, modellen ger bra resultat, med ett medelvärde på över 0,4 i Kling-Guptas effektivitetsmått (KGE), vilket är ett index som används för att kvantifiera godheten hos en hydrologisk modell som klassificerar modeller på 0,4 eller mer som bra. Östra USA, Europa, Japan och områden i Ryssland, Asien, Kanada och Sydamerika var de områden med bäst resultat, med KGE-värden över 0,6, visar en hög potential för dess användning för att utföra säsongsbetonade prognoser av flodflöden i dessa områden. Genom att använda dessa väderdata under en sexmånadersperiod, det är möjligt att förutsäga flodflödesdata för de kommande sex månaderna. Denna förutsägelse är ganska användbar för personal vid reservoarer och vattenkraftverk som skulle kunna, med hjälp av dessa uppgifter, hantera och planera sina resurser bättre och mer exakt.

Utmaningen med att skala och kvantifiera den här modellens godhet, förutom att verifiera sjöarnas geografiska läge, floder och reservoarer så att allt sammanfaller när modellen skalas, var möjligt tack vare mängden fri tillgång hydrologiska data som är tillgängliga för forskarsamhället såväl som för allmänheten, även om flodflödesdata i detta fall var knappa i många områden. Detta visar hur öppen tillgång och delad kunskap hjälper hydrologin att utvecklas. Ändå, det råder brist på information, speciellt när det gäller flodflöden, i många delar av världen för att utföra denna verifiering. Således, idén att skapa ett nätverk av kollaborativ vetenskap har föreslagits. Genom att använda detta nätverk, forskare, chefer, konsulter och studenter som arbetar i dessa områden med hydrologisk information i lokal skala skulle kunna bedöma modellen i dessa områden. Motsvarande del av modellen skulle tillhandahållas de intresserade, med tanken att arbeta tillsammans för att verifiera och justera modellen genom workshops där lokalbefolkningen skulle ge sin feedback. På det här sättet, modellens representation av verkligheten på global skala skulle förbättras.