Den multivariabla integrerade utvärderingsmetoden (MVIE) kan hjälpa meteorologer att kvantitativt utvärdera den övergripande prestandan för en klimatmodell vid simulering av flera variabler som lufttemperatur, nederbörd, och vektorvind, mot observerade.

Nyligen, forskare från Nanjing University och Institute of Atmospheric Physics (IAP) från Chinese Academy of Sciences utvecklade ett lättanvänt Multivariable Integrated Evaluation Tool (MVIETool) kodat med Python/NCL för att underlätta utvärdering av klimatmodeller och modeller mellan jämförelser, förbättra MVIE-metoden.

Studien publicerades i Geovetenskaplig modellutveckling den 28 maj.

"Den förbättrade MVIE-metoden kan ge en mer omfattande och exakt utvärdering av klimatmodellernas prestanda. Med stöd av MVIETool, man kan enkelt utvärdera modellprestanda när det gäller varje enskild variabel och/eller flera variabler, " sa Zhang Mengzhuo från School of Atmospheric Sciences, Nanjings universitet, studiens första författare.

I den förbättrade metoden, areaviktningen tas med i definitionen av statistik i MVIE, vilket gör utvärderingsresultaten av rumsliga fält mer exakta. "Metoden tillåter en blandad utvärdering av skalära och vektorfält, "sade professor Xu Zhongfeng från IAP, motsvarande författare till studien. "En multivariabel integrerad färdighetspoäng föreslås som ett flexibelt och normaliserat index för att kvantitativt mäta en models förmåga att simulera flera fält."

Förutom utvärdering av klimatmodeller, den förbättrade MVIE -metoden kan också tillämpas på andra områden, t.ex., maskininlärning. Man kan använda MVIE -metoden för att mäta den övergripande noggrannheten hos flera variabler som genereras av en maskininlärningsmodell i förhållande till målvärdena.