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 '', เรานำวิธีการแยกข้อมูลจากข้อมูลจริงในวิธีมีประสิทธิภาพมากขึ้นซึ่งทำ วิธีของเราตั้งอยู่ในตัว
'' ลงบนนิ้ววิธีการพัฒนาแบบจำลอง ซึ่งเป็นกรอบในการทำความเข้าใจลักษณะการทำงานลุ่มน้ำตามการตีความข้อมูล และ '' multiobjective'' วิธีการประเมินผลแบบจำลอง ซึ่งขึ้นอยู่กับการพิจารณาที่หลายวัดประสิทธิภาพจำเป็นต้องถูกต้อง
ดึงข้อมูลจากข้อมูล สร้างโมเดลเริ่มต้น ด้วยโครงสร้างรูปแบบ
กับลุ่มน้ำ Alzette ในลักเซมเบิร์ก ในเวลาต่อมาเพิ่มเติม refinements ของรุ่น conceptualization ได้แนะนำ และ ประเมิน เริ่มต้น ในแบบ lumped แล้ว ในโหมด spatially กระจาย เราพบว่า ประสิทธิภาพของรูปแบบเป็นสำคัญโดยเฉพาะอย่างยิ่งคำอธิบายสถานะของ wetness ของลุ่มน้ำที่ นี้อาจดูเหมือนเล็กน้อย แต่เราพบว่า wetness ปรับปรุงอย่างยิ่งขึ้นอยู่ กับกระบวนการสกัด และการกระจาย
รัฐรูปแบบภายในร่วมกับการป้อนข้อมูลปริมาณน้ำฝนกระจาย ผลลัพธ์เหล่านี้จะสนใจการสนทนาอย่างต่อเนื่องซึ่งมีมติน้อยวันที่ ในความเป็นจริง การสกัดกั้นกระบวนการ แม้ว่าบัญชีสำหรับส่วนประกอบสำคัญของดุลน้ำ มีบ่อยครั้งที่ไม่มีกิจกรรมในแอพพลิเคชัน โดยเฉพาะอย่างยิ่งเกี่ยวกับการจำลอง hydrograph เกี่ยวกับ heterogeneity ปริภูมิของฝน ในขณะที่ศึกษาทฤษฎีกับข้อมูลประดิษฐ์
แสดงว่า มันอาจมีผลกระทบมากในลุ่มน้ำปล่อย โปรแกรมส่วนใหญ่ที่ใช้ข้อมูลจริงสนับสนุนข้อสรุปที่ตรงกันข้าม
ผลของเราที่นำไปสู่การอภิปรายในบุญสัมพันธ์ของ lumped เมื่อเทียบกับรุ่นที่แจกจ่าย แสดงลุ่มน้ำที่รวดเร็วตอบสนองผลประโยชน์เพิ่มเติมจากโมเดลกระจายกว่าลุ่มน้ำช้าตอบสนอง กระบวนการขึ้นอยู่กับหุ้นขนาดใหญ่ให้อัตราการไหล (เช่น น้ำไหล transpiration, percolation) ต้องการข้อมูลในการกระจายของปริมาณน้ำฝน ในขณะที่กระบวนการได้อย่างรวดเร็ว เช่นไหลบ่าสกัดกั้นและพื้นผิวไม่ นี่คือเนื่องจากผล damping ของลุ่มน้ำ ที่กรองสำหรับความผันผวนชั่วคราวพื้นที่ของสัญญาณอินพุต และมีขนาดใหญ่สำหรับกระบวนการที่ช้ากว่าในกระบวนการได้อย่างรวดเร็ว

ผลลัพธ์ (ไทย) 2:

9 สรุปผลการวิจัย
เพื่อที่จะทำความเข้าใจพฤติกรรมการกักเก็บน้ำภายในโดยไม่ต้องข้อบกพร่องของ '' ทดลองเสมือนจริง '' ที่เรานำมาใช้วิธีการที่สารสกัดจากข้อมูลจากข้อมูลจริงในวิธีที่มีประสิทธิภาพมากขึ้นกว่าที่จะทำแบบดั้งเดิม วิธีการของเราจะขึ้นอยู่กับการรวมกันของ
'' บนลงล่าง '' วิธีการสร้างแบบจำลองการพัฒนาซึ่งเป็นกรอบสำหรับการทำความเข้าใจพฤติกรรมการเก็บกักน้ำขึ้นอยู่กับการตีความข้อมูลและ 'เอนกประสงค์' 'วิธีการ' รูปแบบการประเมินผลซึ่งจะขึ้นอยู่กับ การพิจารณาว่ามาตรการหลายของการปฏิบัติงานมีความจำเป็นที่จะต้อง
ดึงข้อมูลจากข้อมูล การสร้างแบบจำลองเริ่มต้นด้วยรูปแบบโครงสร้างพื้นฐานที่
นำไปใช้กับการเก็บกักน้ำ Alzette ในลักเซมเบิร์ก ต่อมาปรับแต่งเพิ่มเติมของรูปแบบแนวความคิดได้รับการแนะนำและการประเมินครั้งแรกในล้างโลกแล้วในโหมดกระจายสันนิฐาน เรามุ่งมั่นที่ผลการดำเนินงานรูปแบบที่มีความไวโดยเฉพาะอย่างยิ่งรายละเอียดของรัฐของความชื้นแฉะของการเก็บกักน้ำ นี้อาจดูเหมือนเล็กน้อย แต่เราแสดงให้เห็นว่าความชื้นแฉะดีขึ้นอย่างมากขึ้นอยู่กับกระบวนการของการสกัดกั้นและการกระจาย
ของรัฐภายในแบบร่วมกับการป้อนข้อมูลปริมาณน้ำฝนกระจาย ผลลัพธ์เหล่านี้เป็นที่สนใจของการอภิปรายอย่างต่อเนื่องที่มีความเห็นเป็นเอกฉันท์น้อยถึงวันที่ ในความเป็นจริงกระบวนการสกัดกั้นแม้ว่าการบัญชีสำหรับองค์ประกอบที่สำคัญของความสมดุลของน้ำที่มักจะถูกละเลยในการประยุกต์ใช้การสร้างแบบจำลองโดยเฉพาะอย่างยิ่งในส่วนที่เกี่ยวกับการจำลองน้ำท่า เกี่ยวกับความแตกต่างของพื้นที่ปริมาณน้ำฝนในขณะที่การศึกษาทางทฤษฎีกับข้อมูลเทียม
แสดงให้เห็นว่ามันอาจจะมีผลกระทบต่อการปล่อยการเก็บกักน้ำ, การใช้งานมากที่สุดโดยใช้ข้อมูลจริงสนับสนุนข้อสรุปที่ตรงข้ามกับ
ผลที่ได้นำไปสู่การอภิปรายเกี่ยวกับญาติของล้างโลกเมื่อเทียบกับรูปแบบการกระจาย แสดงให้เห็นว่าการตอบสนองต่อการเก็บกักน้ำได้อย่างรวดเร็วได้รับประโยชน์เพิ่มเติมจากการสร้างแบบจำลองการกระจายกว่าการตอบสนองต่อการเก็บกักน้ำช้า กระบวนการขึ้นอยู่กับหุ้นขนาดใหญ่ที่จะไหลต่อ (เช่นการไหลของน้ำใต้ดินคาย, ซึม) ไม่จำเป็นต้องมีข้อมูลเกี่ยวกับการกระจายของปริมาณน้ำฝนในขณะที่กระบวนการได้อย่างรวดเร็วเช่นการสกัดกั้นและการไหลบ่าของพื้นผิวไม่ เพราะนี่คือผลกระทบที่ทำให้หมาด ๆ ของอ่างซึ่งกรองความแปรปรวนพื้นที่ชั่วคราวของสัญญาณอินพุทและมีขนาดใหญ่สำหรับกระบวนการช้ากว่าสำหรับกระบวนการที่รวดเร็ว

ผลลัพธ์ (ไทย) 3:

9 . สรุป
เพื่อเข้าใจพฤติกรรมการกักภายใน โดยไม่มีข้อบกพร่องของ 'virtual ' ทดลอง ' ' เราใช้วิธีการที่สารสกัดจากข้อมูลจากของจริง ข้อมูลในวิธีที่มีประสิทธิภาพมากขึ้นกว่าที่เป็นผ้าทำ วิธีการของเราจะขึ้นอยู่กับการรวมกันของ
''top-down ' ' วิธีการรูปแบบการพัฒนาซึ่งเป็นกรอบสำหรับพฤติกรรมพื้นฐานความเข้าใจในการตีความข้อมูลการเก็บกักน้ำ และ 'multiobjective ' ' ' วิธีการรูปแบบการประเมิน ซึ่งจะขึ้นอยู่กับการพิจารณาว่า มาตรการหลายของการแสดงจะต้องถูกต้อง
ข้อมูลสารสกัดจากข้อมูล การเริ่มต้นด้วยโครงสร้างแบบพื้นฐาน
ใช้กับ alzette ลุ่มน้ำในประเทศลักเซมเบิร์ก ต่อมาเพิ่มเติมการปรับแต่งรูปแบบการแนะนำ และประเมินครั้งแรกในก้อนแล้ว ในการเปลี่ยนโหมด เราพบว่าแบบจำลองสมรรถนะ โดยความอธิบายสภาพความชื้นแฉะของลุ่มน้ำ . นี้อาจดูเหมือนเล็กน้อย ,แต่เราพบว่าการปรับปรุงความมั่นขึ้นอยู่กับกระบวนการของการสกัดกั้นและการกระจาย
ของรัฐภายในรูปแบบร่วมกับข้อมูลปริมาณฝนกระจาย ผลลัพธ์เหล่านี้มีความสนใจที่จะได้รับการ ซึ่งมีจำนวนน้อย ในวันที่ ในความเป็นจริงกระบวนการสกัดกั้น แม้ว่าบัญชีสำหรับเป็นส่วนประกอบสำคัญของสมดุลน้ำมักจะละเลยในการใช้โดยเฉพาะอย่างยิ่งในความสัมพันธ์กับการจำลองกราฟ . เกี่ยวกับความหลากหลายทางพื้นที่ของปริมาณฝน ในขณะที่ทฤษฎีการศึกษาที่แสดงข้อมูล
เทียมที่อาจมีผลกระทบมากในการเก็บกักน้ำจำหน่ายโปรแกรมส่วนใหญ่ที่ใช้ข้อมูลที่แท้จริงสนับสนุนข้อสรุปตรงกันข้าม
ผลของเรามีส่วนร่วมในการอภิปรายเกี่ยวกับประโยชน์ของญาติเมื่อเทียบกับก้อนกระจายรุ่น แสดงให้เห็นว่าผลประโยชน์การตอบสนองอย่างรวดเร็วจากการกักกักกระจายมากกว่าตอบสนองช้า กระบวนการขึ้นอยู่กับหุ้นที่มีอัตราส่วนการไหล ( เช่น การไหลของน้ำใต้ดินการคายน้ำการซึม , , ) ไม่ได้ต้องการข้อมูลเกี่ยวกับการกระจายเชิงพื้นที่ของฝนในขณะที่กระบวนการอย่างรวดเร็ว เช่น การสกัดกั้นและน้ำท่าผิวทำ นี้คือเนื่องจากการ Damping ผลของอ่าง ซึ่งกรองพื้นที่ชั่วคราว ความแปรปรวนของสัญญาณและมีขนาดใหญ่กว่ากระบวนการช้ากระบวนการที่รวดเร็ว