Water has always had a controlling influence on the earth’s evolution. Understanding and modelling the large-scale hydrological cycle is important for climate prediction and water-resources studies. In recent years large-scale hydrological models, including the WASMOD-­M evaluated in the thesis, have increasingly become a main assessment tool for global water resources. The monthly version of WASMOD-M, the starting point of the thesis, revealed restraints imposed by limited hydrological and climate data quality and the need to reduce model-structure uncertainties. The model simulated the global water balance with a small volume error but was less successful in capturing the dynamics. In the last years, global high-quality, high-resolution topographies and hydro­graphies have become available. The main thrust of the thesis was the development of a daily WASMOD-M making use of these data to better capture the global water dynamics and to parameter­ise local non-linear processes into the large-scale model. Scale independency, parsimonious model structure, and computational efficiency were main concerns throughout the model development. A new scale-independent routing algorithm, named NRF for network-response function, using two aggregated high-resolution hydrographies, HYDRO1k and HydroSHEDS, was developed and tested in three river basins with different climates in China and North America. The algorithm preserves the spatially distributed time-delay information in the form of simple network-response functions for any low-resolution grid cell in a large-scale hydrological model. A distributed runoff-generation algorithm, named TRG for topography-derived runoff generation, was developed to represent the highly non-linear process at large scales. The algorithm, when inserted into the daily WASMOD-M and tested in same three basins, led to the same or a slightly improved performance compared to a one-layer VIC model, with one parameter less to be calibrated. The TRG algorithm also offered a more realistic spatial pattern for runoff generation. The thesis identified significant improvements in model performance when 1) local instead of global climate data were used, and 2) when the scale-independent NRF routing algorithm was used instead of a traditional storage-based routing algorithm. In the same time, spatial resolution of climate input and choice of high-resolution hydrography have secondary effects on model performance. Two high-resolution topographies and hydrographies were used and compared, and new tech­niques were developed to aggregate their information for use at large scales. The advantages and numerical efficiency of feeding high-resolution information into low-resolution global models were highlighted. / Vatten har alltid varit en nyckelfaktor för jordens utveckling. Att förstå och kunna modellera det storska­liga vattenkretsloppet är betydelsefullt såväl för klimatförutsägelser som för studier av vattenresur­ser. På senare år har storskaliga hydrologiska modeller, däribland WASMOD-M som utvärderas i denna avhand­ling, i ökande utsträckning kommit att användas som huvudverktyg för utvärdering av globala vattenresurser. Den månatliga versionen av WASMOD-M, avhandlingens startpunkt, användes för att påvisa inskränk­ningar som låg i begränsande hydrologi- och klimatdata liksom behovet av att minska model­lens strukturella osäkerheter. Modellen simulerade den globala vattenbalansen med ett mycket litet volymfel (avrinningens långtidsmedelvärde) men var mindre lyckosam att efterlikna dynamiken. Under se­nare tid har globala topografiska och hydrografiska data med hög rumslig upplösning och kvalitet blivit tillgängliga. Avhandlingens huvudsakliga drivkraft var att utveckla WASMOD-M med hjälp av dessa data i syfte att bättre fånga den globala vattendynamiken och för att parametrisera lokala ickelin­jära processer i den storskaliga modellen. Under hela modellutvecklingen har skaloberoende, lågparametrise­rad modellstruktur och numerisk beräkningseffektivitet varit viktiga bivillkor. En ny skaloberoende svarstidsalgoritm, benämnd NRF (network-response function), som utnyttjar två aggregerade högupplösta hydrografier, HYDRO1k och HydroSHEDS, utvecklades och provades i tre avrinningsområden med olika klimat i Kina och Nordamerika. Algoritmen bevarar den rumsligt fördelade informationen om koncentrationstider i form av enkla responsfunktioner för vattendragsnä­tet för godtyckliga lågupplösta beräkningsrutor in en storskalig hydrologisk modell. En distribuerad algoritm för avrinningsbildning, benämnd TRG (topography-derived runoff genera­tion), utvecklades för att representera den höggradigt ickelinjära processen i större skalor. Algoritmen användes i den dagliga WASMOD-M och provades i samma tre avrinningsområden som ovan. Modellprestanda blev lika bra eller bättre än en enlagers VIC-modell fast med en parameter mindre att kalibrera. TRG-algoritmen gav ett rimligare rumsligt mönster för avrinningsbildningen. Avhandlingen har identifierat påtagliga förbättringar i modellprestanda när 1) lokala i stället för globala klimatdata användes och 2) när NRF, den skaloberoende svarstidsalgoritmen användes i stället för en traditionell magasinsbaserad svarstidsalgoritm. Samtidigt har klimatdatas rumsliga upplösning och val av högupplöst hydrografi en andra ordningens inverkan på modellprestanda. Två högupplösta topografier och hydrografier användes och jämfördes, och nya tekniker utveckla­des för att aggregera deras informationsinnehåll i stora skalor. Fördelarna och den numeriska beräkningsef­fektiviteten av högupplöst information i lågupplösta globala modeller har belysts.

Water is essential for human well-being and healthy ecosystems, but population growth and changes in climate and land-use are putting increased stress on water resources in many regions. To ensure water security, knowledge about the spatiotemporal distribution of these resources is of great importance. However, estimates of global water resources are constrained by limitations in availability and quality of data. This thesis explores the quality of both observational and modelled data, gives an overview of models used for large-scale hydrological modelling, and explores the possibilities to deal with the scarcity of data by prediction of flow-duration curves. The evaluation of the quality of observational data for large-scale hydrological modelling was based on both hydrographic data, and model forcing and evaluation data for basins worldwide. The results showed that a GIS polygon dataset outperformed all gridded hydrographic products analysed in terms of representation of basin areas. Through a screening methodology based on the long-term water-balance equation it was shown that as many as 8–43% of the basins analysed displayed inconsistencies between forcing (precipitation and potential evaporation) and evaluation (discharge) data depending on how datasets were combined. These data could prove disinformative in hydrological model inference and analysis. The quality of key hydrological variables from a numerical weather prediction model was assessed by benchmarking against observational datasets and by analysis of the internal land-surface water budgets of several different model setups. Long-term imbalances were found between precipitation and evaporation on the global scale and between precipitation, evaporation and runoff on both cell and basin scales. These imbalances were mainly attributed to the data assimilation system in which soil moisture is used as a nudge factor to improve weather forecasts. Regionalisation, i.e. transfer of information from data-rich areas to data-sparse areas, is a necessity in hydrology because of a lack of observed data in many areas. In this thesis, the possibility to predict flow-duration curves in ungauged basins was explored by testing several different methodologies including machine learning. The results were mixed, with some well predicted curves, but many predicted curves exhibited large biases and several methods resulted in unrealistic curves. / Vatten är en förutsättning för människors och ekosystems hälsa, men befolkningsökning och förändringar av klimat och markanvändning förväntas öka trycket på vattenresurserna i många regioner i världen. För att kunna säkerställa en god tillgång till vatten krävs kunskap om hur dessa resurser varierar i tid och rum. Tillförlitligheten hos skattningar av globala vattenresurser begränsas dock både av begränsad tillgänglighet av och kvalitet hos observerade data. Denna avhandling utforskar kvaliteten av såväl observations- som modellbaserade data, ger en överblick över modeller som används för storskalig hydrologisk modellering och utforskar möjligheterna att förutsäga varaktighetskurvor som ett sätt att hantera bristen på data i många områden. Utvärderingen av observationsbaserade datas kvalitet baserades på hydrografiska data och driv- och utvärderingsdata för storskaliga hydrologiska modeller. Resultaten visade att en uppsättning data över hydrografin baserad på GIS-polygoner representerade avrinningsområdesareorna bättre än alla de som byggde på rutor. En metod baserad på långtidsvattenbalansen identifierade att kombinationen av drivdata (nederbörd och potentiell avdunstning) och utvärderingsdata (vattenföring) var fysiskt orimlig för så många som 8–43 % av de analyserade avrinningsområdena beroende på hur olika datauppsättningar kombinerades. Sådana data kan vara desinformativa för slutsatser som dras av resultat från hydrologiska modeller och analyser. Kvaliteten hos hydrologiskt viktiga variabler från en numerisk väderprognosmodell utvärderades dels genom jämförelser med observationsdata och dels genom analys av landytans vattenbudget för ett flertal olika modellvarianter. Resultaten visade obalanser mellan långtidsvärden av nederbörd och avdunstning i global skala och mellan långtidsvärden av nederbörd, avdunstning och avrinning i både modellrute- och avrinningsområdesskala. Dessa obalanser skulle till stor del kunna förklaras av den data assimilering som görs, i vilken markvattenlagret används som en justeringsfaktor för att förbättra väderprognoserna. Regionalisering, som innebär en överföring av information från områden med god tillgång på mätdata till områden med otillräcklig tillgång, är i många fall nödvändig för hydrologisk analys på grund av att mätdata saknas i många områden. I denna avhandling utforskades möjligheten att förutsäga varaktighetskurvor för avrinningsområden utan vattenföringsdata genom flera metoder inklusive maskininlärning. Resultaten var blandade med en del kurvor som förutsas väl, och andra kurvor som visade stora systematiska avvikelser. Flera metoder resulterade i orealistiska kurvor (ickemonotona eller med negativa värden).