La méthode d'évaluation intégrée multivariée (MVIE) peut aider les météorologues à évaluer quantitativement la performance globale d'un modèle climatique en simulant plusieurs variables telles que la température de l'air, précipitation, et vecteur vent, contre ceux observés.

Récemment, des chercheurs de l'Université de Nanjing et de l'Institut de physique atmosphérique (IAP) de l'Académie chinoise des sciences ont développé un outil d'évaluation intégré multivariable simple à utiliser (MVIETool) codé avec Python/NCL pour faciliter l'évaluation des modèles climatiques et l'intercomparaison des modèles, améliorer la méthode MVIE.

L'étude a été publiée dans Développement de modèles géoscientifiques le 28 mai.

« La méthode MVIE améliorée peut fournir une évaluation plus complète et plus précise des performances du modèle climatique. Avec le soutien de MVIETool, on peut facilement évaluer les performances du modèle en fonction de chaque variable individuelle et/ou de plusieurs variables, " a déclaré Zhang Mengzhuo de l'École des sciences de l'atmosphère, Université de Nankin, le premier auteur de l'étude.

Dans la méthode améliorée, la pondération aréolaire est prise en compte dans la définition des statistiques dans MVIE, ce qui rend les résultats d'évaluation des champs spatiaux plus précis. « La méthode permet une évaluation mixte des champs scalaires et vectoriels, " a déclaré le professeur Xu Zhongfeng de l'IAP, l'auteur correspondant de l'étude. "Un score de compétence intégré multivariable est proposé comme un indice flexible et normalisé pour mesurer quantitativement la capacité d'un modèle à simuler plusieurs domaines."

En plus de l'évaluation du modèle climatique, la méthode MVIE améliorée peut également être appliquée à d'autres domaines, par exemple., apprentissage automatique. On peut utiliser la méthode MVIE pour mesurer la précision globale de plusieurs variables générées par un modèle d'apprentissage automatique par rapport aux valeurs cibles.