This study performs a comparison of two model calibration/validation approaches and their influence on future hydrological projections under climate change by employing two climate scenarios (RCP2.6 and 8.5) projected by four global climate models. Two hydrological models (HMs), snowmelt runoff model + glaciers and variable infiltration capacity model coupled with a glacier model, were used to simulate streamflow in the highly snow and glacier melt–driven Upper Indus Basin. In the first (conventional) calibration approach, the models were calibrated only at the basin outlet, while in the second (enhanced) approach intermediate gauges, different climate conditions and glacier mass balance were considered. Using the conventional and enhanced calibration approaches, the monthly Nash-Sutcliffe Efficiency (NSE) for both HMs ranged from 0.71 to 0.93 and 0.79 to 0.90 in the calibration, while 0.57–0.92 and 0.54–0.83 in the validation periods, respectively. For the future impact assessment, comparison of differences based on the two calibration/validation methods at the annual scale (i.e. 2011–2099) shows small to moderate differences of up to 10%, whereas differences at the monthly scale reached up to 19% in the cold months (i.e. October–March) for the far future period. Comparison of sources of uncertainty using analysis of variance showed that the contribution of HM parameter uncertainty to the overall uncertainty is becoming very small by the end of the century using the enhanced approach. This indicates that enhanced approach could potentially help to reduce uncertainties in the hydrological projections when compared to the conventional calibration approach.

中文翻译：

---

两种模式校准方法的比较及其对上印度河流域气候变化下未来预测的影响

本研究通过使用由四个全球气候模型预测的两种气候情景（RCP2.6 和 8.5），对两种模型校准/验证方法及其对气候变化下未来水文预测的影响进行了比较。两个水文模型 (HMs)，融雪径流模型 + 冰川和可变入渗能力模型与冰川模型相结合，用于模拟高积雪和冰川融化驱动的上印度河流域的水流。在第一种（常规）校准方法中，模型仅在盆地出口处校准，而在第二种（增强型）方法中，中间测量仪考虑了不同的气候条件和冰川质量平衡。使用传统的和增强的校准方法，两个 HM 的月纳什-萨特克利夫效率 (NSE) 范围从 0.71 到 0。93 和 0.79 至 0.90 在校准期间，而在验证期间分别为 0.57-0.92 和 0.54-0.83。对于未来的影响评估，基于两种校准/验证方法在年度尺度（即 2011-2099 年）的差异比较显示出高达 10% 的小到中等差异，而在月尺度上的差异高达 19%未来一段时间的寒冷月份（即 10 月至 3 月）。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。在校准中为 90，而在验证期间分别为 0.57-0.92 和 0.54-0.83。对于未来的影响评估，基于两种校准/验证方法在年度尺度（即 2011-2099 年）的差异比较显示出高达 10% 的小到中等差异，而在月尺度上的差异高达 19%未来一段时间的寒冷月份（即 10 月至 3 月）。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。在校准中为 90，而在验证期间分别为 0.57-0.92 和 0.54-0.83。对于未来的影响评估，在年度尺度（即 2011-2099 年）基于两种校准/验证方法的差异比较显示，小到中等差异高达 10%，而月尺度的差异高达 19%未来一段时间的寒冷月份（即 10 月至 3 月）。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。83 个在有效期内，分别。对于未来的影响评估，在年度尺度（即 2011-2099 年）基于两种校准/验证方法的差异比较显示，小到中等差异高达 10%，而月尺度的差异高达 19%未来一段时间的寒冷月份（即 10 月至 3 月）。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。83 个在有效期内，分别。对于未来的影响评估，在年度尺度（即 2011-2099 年）基于两种校准/验证方法的差异比较显示，小到中等差异高达 10%，而月尺度的差异高达 19%未来一段时间的寒冷月份（即 10 月至 3 月）。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。基于两种校准/验证方法在年度尺度（即 2011-2099 年）的差异比较显示出高达 10% 的小到中等差异，而在寒冷的月份（即 10 月），月尺度的差异达到了 19% –March）用于遥远的未来时期。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。基于两种校准/验证方法在年度尺度（即 2011-2099 年）的差异比较显示出高达 10% 的小到中等差异，而在寒冷的月份（即 10 月），月尺度的差异达到了 19% –March）用于遥远的未来时期。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。而在未来一段时间的寒冷月份（即 10 月至 3 月），月度差异高达 19%。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。而在未来一段时间的寒冷月份（即 10 月至 3 月），月度差异高达 19%。使用方差分析比较不确定性来源表明，到本世纪末，使用增强方法，HM 参数不确定性对整体不确定性的贡献变得非常小。这表明与传统校准方法相比，增强方法可能有助于减少水文预测的不确定性。