9. ConclusionsIn order to better un

9. Conclusions
In order to better understand internal catchment behavior, without the shortcomings of ‘‘virtual experiments’’, we adopted an approach that extracts information
from real data in a more efficient way than is traditionally
done. Our methodology is based on a combination of the
‘‘top-down’’ approach to model development, which is a
framework for understanding catchment behavior based on
data interpretation, and a ‘‘multiobjective’’ approach to
model evaluation, which is based on the consideration that
multiple measures of performance are needed to properly
extract information from the data.
The modeling started with a basic model structure
applied to the Alzette catchment in Luxembourg. Subsequently,
further refinements of model conceptualization
were introduced and evaluated, initially in a lumped and
then in a spatially distributed mode. We determined that
model performance is particularly sensitive to the description
of the state of wetness of the catchment. This may seem
trivial, but we showed that the improved wetness strongly
depends on the process of interception and on the distribution
of model internal states in conjunction with distributed
rainfall input. These results are of interest to ongoing
discussions on which there is little consensus to date. In
fact, the interception process, although accounting for an
important component of the water balance, is often
neglected in modeling application, particularly in relation
to hydrograph simulation. Regarding the spatial heterogeneity
of rainfall, while theoretical studies with artificial data
show that it may have a considerable impact on catchment
discharge, most applications using real data support an
opposite conclusion.
Our results contribute to the debate on the relative merits of lumped versus distributed models, showing that fast catchment response benefits more from distributed modeling than slow catchment response. Processes depending on a large stock to flux ratio (e.g., groundwater flow, transpiration, percolation) do not require information on the spatial distribution of rainfall, whereas fast processes, such as interception and surface runoff do. This is due to the damping effect of the basin, which filters the space-temporal variability of the input signal and is larger for slow processes than for fast processes.

ผลลัพธ์ (ไทย) 1:

9. บทสรุป
เพื่อเข้าใจพฤติกรรมภายในลุ่มน้ำ ไม่ มีของ ''การทดลองเสมือน '', เรานำวิธีการที่แยกข้อมูล
จากข้อมูลจริงในวิธีมีประสิทธิภาพมากขึ้นกว่าเป็นประเพณี
ทำ วิธีของเราขึ้นอยู่กับชุดของการ
'' ลงบนนิ้ววิธีการพัฒนาแบบจำลอง ซึ่งเป็นการ
กรอบงานสำหรับการทำความเข้าใจลักษณะการทำงานลุ่มน้ำตาม
ตีความข้อมูล และวิธี '' multiobjective'' ไป
ประเมินผลแบบจำลอง ซึ่งขึ้นอยู่กับการพิจารณาที่
หลายวัดประสิทธิภาพจำเป็นต้องถูกต้อง
ดึงข้อมูลจากข้อมูล
สร้างโมเดลเริ่มต้น ด้วยโครงสร้างรูปแบบ
กับลุ่มน้ำ Alzette ในลักเซมเบิร์ก ในเวลาต่อมา,
เพิ่มเติม refinements conceptualization รุ่น
แนะนำ และ ประเมิน เริ่มต้นในแบบ lumped และ
แล้วในโหมด spatially กระจาย เรากำหนดที่
รุ่นประสิทธิภาพเป็นสำคัญโดยเฉพาะอย่างยิ่งคำอธิบาย
รัฐ wetness ของลุ่มน้ำที่ นี้อาจดูเหมือน
เล็กน้อย แต่เราพบว่า wetness ปรับปรุงอย่างยิ่ง
ขึ้นอยู่ กับกระบวนการสกัด และการกระจาย
ของแบบจำลองภายในอเมริกาพร้อมกับกระจาย
ป้อนข้อมูลปริมาณน้ำฝน ผลลัพธ์เหล่านี้จะสนใจต่อ
สนทนาซึ่งมีมติน้อยวันนั้น ใน
จริง การใช้ แม้ว่าบัญชีสำหรับการ
เป็นส่วนประกอบสำคัญของดุลน้ำ
ที่ไม่มีกิจกรรมในแอพลิเคชัน โดยเฉพาะอย่างยิ่งในความสัมพันธ์
เพื่อจำลอง hydrograph เกี่ยวกับ heterogeneity ปริภูมิ
น้ำฝน ในขณะที่ศึกษาทฤษฎีกับข้อมูลประดิษฐ์
แสดงว่า มันอาจมีผลกระทบมากในลุ่มน้ำ
ถ่าย โปรแกรมส่วนใหญ่ที่ใช้ข้อมูลจริงสนับสนุนการ
ข้ามสรุป
ผลของเรานำไปสู่การอภิปรายในบุญสัมพันธ์ของ lumped เมื่อเทียบกับแบบจำลองการแจกจ่าย แสดงลุ่มน้ำที่รวดเร็วตอบสนองผลประโยชน์เพิ่มเติมจากโมเดลกระจายกว่าลุ่มน้ำช้าตอบสนอง กระบวนการขึ้นอยู่กับหุ้นขนาดใหญ่ให้อัตราการไหล (เช่น น้ำไหล transpiration, percolation) ต้องใช้ข้อมูลการกระจายของปริมาณน้ำฝน ในขณะที่กระบวนการได้อย่างรวดเร็ว สกัดและไหลบ่าผิวทำ นี่คือเนื่องจากผล damping ของอ่าง ซึ่งสำหรับความผันผวนชั่วคราวพื้นที่ของสัญญาณอินพุทของตัวกรอง และมีขนาดใหญ่สำหรับกระบวนการที่ช้ากว่าในกระบวนการได้อย่างรวดเร็ว

ผลลัพธ์ (ไทย) 2:

9 สรุปผลการวิจัย
เพื่อที่จะทำความเข้าใจพฤติกรรมการกักเก็บน้ำภายในโดยไม่ต้องข้อบกพร่องของ '' ทดลองเสมือนจริง '' ที่เรานำมาใช้วิธีการที่สารสกัดจากข้อมูล
จากข้อมูลจริงในวิธีที่มีประสิทธิภาพมากขึ้นกว่าที่เป็นประเพณีที่
ทำ วิธีการของเราจะขึ้นอยู่กับการรวมกันของ
'' บนลงล่าง '' วิธีการสร้างแบบจำลองการพัฒนาซึ่งเป็น
กรอบสำหรับการทำความเข้าใจพฤติกรรมการเก็บกักน้ำขึ้นอยู่กับ
การตีความข้อมูลและ 'เอนกประสงค์' 'วิธีการ' ที่จะ
สร้างแบบจำลองการประเมินผลซึ่งจะขึ้นอยู่กับ การพิจารณาว่า
มาตรการหลายของการปฏิบัติงานมีความจำเป็นที่จะต้อง
ดึงข้อมูลจากข้อมูล
การสร้างแบบจำลองเริ่มต้นด้วยรูปแบบโครงสร้างพื้นฐานที่
นำไปใช้กับการเก็บกักน้ำ Alzette ในลักเซมเบิร์ก ต่อมา
ปรับแต่งเพิ่มเติมของรูปแบบแนวความคิด
ได้รับการแนะนำและการประเมินครั้งแรกในล้างโลกและ
จากนั้นในโหมดกระจายสันนิฐาน เราพิจารณาว่า
ผลการดำเนินงานรูปแบบเป็นสำคัญโดยเฉพาะการคำอธิบาย
ของรัฐของความชื้นแฉะของการเก็บกักน้ำ นี้อาจดูเหมือน
เล็กน้อย แต่เราแสดงให้เห็นว่าความชื้นแฉะดีขึ้นอย่างมาก
ขึ้นอยู่กับกระบวนการของการสกัดกั้นและการกระจาย
ของรัฐภายในแบบร่วมกับการกระจาย
การป้อนข้อมูลปริมาณน้ำฝน ผลลัพธ์เหล่านี้เป็นที่สนใจของอย่างต่อเนื่อง
การอภิปรายในที่มีความเห็นเป็นเอกฉันท์น้อยถึงวันที่ ใน
ความเป็นจริงกระบวนการสกัดกั้นแม้ว่าการบัญชีสำหรับ
องค์ประกอบที่สำคัญของความสมดุลของน้ำที่มักจะ
ถูกละเลยในการประยุกต์ใช้การสร้างแบบจำลองโดยเฉพาะอย่างยิ่งในส่วนที่เกี่ยว
กับการจำลองน้ำท่า เกี่ยวกับความแตกต่างในเชิงพื้นที่
ของปริมาณน้ำฝนในขณะที่การศึกษาทางทฤษฎีกับข้อมูลเทียม
แสดงให้เห็นว่ามันอาจจะมีผลกระทบต่อการเก็บกักน้ำ
ปล่อยใช้งานมากที่สุดโดยใช้ข้อมูลจริงสนับสนุน
ข้อสรุปที่ตรงข้ามกับ
ผลที่ได้นำไปสู่การอภิปรายเกี่ยวกับญาติของล้างโลกเมื่อเทียบกับรูปแบบการกระจาย แสดงให้เห็นว่าการตอบสนองต่อการเก็บกักน้ำได้อย่างรวดเร็วได้รับประโยชน์เพิ่มเติมจากการสร้างแบบจำลองการกระจายกว่าการตอบสนองต่อการเก็บกักน้ำช้า กระบวนการขึ้นอยู่กับหุ้นขนาดใหญ่ที่จะไหลต่อ (เช่นการไหลของน้ำใต้ดินคาย, ซึม) ไม่จำเป็นต้องมีข้อมูลเกี่ยวกับการกระจายของปริมาณน้ำฝนในขณะที่กระบวนการได้อย่างรวดเร็วเช่นการสกัดกั้นและการไหลบ่าของพื้นผิวไม่ เพราะนี่คือผลกระทบที่ทำให้หมาด ๆ ของอ่างซึ่งกรองความแปรปรวนพื้นที่ชั่วคราวของสัญญาณอินพุทและมีขนาดใหญ่สำหรับกระบวนการช้ากว่าสำหรับกระบวนการที่รวดเร็ว

ผลลัพธ์ (ไทย) 3:

9 . สรุป
เพื่อเข้าใจพฤติกรรมการกักภายใน โดยไม่มีข้อบกพร่องของ 'virtual ' ทดลอง ' ' เราใช้วิธีการที่สารสกัดจากข้อมูล
จากข้อมูลที่แท้จริงในทางที่มีประสิทธิภาพมากขึ้นกว่าที่เป็นผ้า
เสร็จแล้ว วิธีการของเราจะขึ้นอยู่กับการรวมกันของ
''top-down ' ' แนวทางการพัฒนารูปแบบซึ่งเป็น
กรอบพฤติกรรมกักความเข้าใจตาม
การแปลผลข้อมูล และ ' ' '

'multiobjective วิธีการรูปแบบการประเมิน ซึ่งจะขึ้นอยู่กับการพิจารณาว่า มาตรการหลายของการแสดง
เป็นข้อมูลสารสกัดจากข้อมูลที่ถูกต้อง
.
การเริ่มต้นด้วยโครงสร้างแบบพื้นฐาน
ใช้กับ alzette ลุ่มน้ำในประเทศลักเซมเบิร์ก ต่อมา
เพิ่มเติมการปรับแต่งรูปแบบแนวความคิด
ถูกนํามาใช้ และประเมินในขั้นต้นในก้อนและ
แล้วในการเปลี่ยนโหมด เรามุ่งมั่นที่แสดงแบบโดยไว

อธิบายสภาพความชื้นแฉะของลุ่มน้ำ . นี้อาจดูเหมือน
เล็กน้อย แต่เราพบว่าดีขึ้นอย่างมาก
ความเปียกชื้นขึ้นอยู่กับกระบวนการของการสกัดกั้นและการกระจาย
ของรัฐภายในรูปแบบควบคู่กับข้อมูลปริมาณน้ำฝนกระจาย

ผลลัพธ์เหล่านี้จะสนใจอย่างต่อเนื่อง
การอภิปรายซึ่งมีจำนวนน้อยในวันที่ ใน
ความเป็นจริงกระบวนการสกัดกั้น แม้ว่าบัญชีสำหรับ
ส่วนประกอบสำคัญของสมดุลน้ำ มักละเลยในการประยุกต์ใช้
,โดยเฉพาะอย่างยิ่งในความสัมพันธ์
เพื่อจำลองกราฟ . เกี่ยวกับอวกาศผิดพวกผิดพ้อง
ของฝน ในขณะที่ทฤษฎีการศึกษาที่แสดงข้อมูล
เทียมที่อาจมีผลกระทบมากในการเก็บกักน้ำ
จำหน่ายโปรแกรมส่วนใหญ่ที่ใช้ข้อมูลที่แท้จริงสนับสนุน

สรุปตรงข้าม ผลลัพธ์ของเรามีส่วนร่วมกับการอภิปรายเกี่ยวกับประโยชน์ของญาติเมื่อเทียบกับก้อนกระจายรุ่นแสดงให้เห็นว่าผลประโยชน์การตอบสนองอย่างรวดเร็วจากการกักกักกระจายมากกว่าตอบสนองช้า กระบวนการขึ้นอยู่กับหุ้นที่มีอัตราส่วนการไหล ( เช่น การไหลของน้ำใต้ดินการคายน้ำการซึม , , ) ไม่ได้ต้องการข้อมูลเกี่ยวกับการกระจายเชิงพื้นที่ของฝน ในขณะที่กระบวนการอย่างรวดเร็ว เช่น การสกัดกั้นและน้ำท่าผิวทำ นี้คือเนื่องจากการ Damping ผลของอ่างที่ตัวกรองพื้นที่ชั่วคราว ความแปรปรวนของสัญญาณและมีขนาดใหญ่กว่ากระบวนการช้ากระบวนการที่รวดเร็ว