全球水模型包括全球水文、地表和动态全球植被模型，为量化气候变化对数据匮乏的高纬度地区水文过程的影响提供了宝贵的工具。在此，我们通过基于常用统计评估指标的新的综合性能指数（API），对六个主要泛北极流域的不同水文指标（月度和季节流量、极端、趋势（或缺乏）和雪水当量（SWE））进行了系统的模型性能评估。使用机器学习Boruta特征选择算法来评估API属性的解释力。我们的研究结果表明，研究中包括的九个全球变暖模型中的大多数在真实地代表泛北极水文过程方面表现出相当大的困难。超过9 GWM的API平均排放量（月和季节排放量）> 50%仅在Kolyma盆地（55%），育空盆地低至30%，所有流域的平均API流量为43%。WATERGAP2和MATSIRO表现最高（APIdischarge> 55%），而ORCHIDEE和JULES-W1最低（APIdischarge≤ 25%）在所有流域上执行GWM。对于高流量和低流量，平均API极值分别为35%和26%，超过6个GWM的APISWE为57%。Boruta算法表明，使用不同的基于观测的气候数据集不会影响所有流域的API总分。最终，只有能有效代表寒冷地区水文过程（包括与雪有关的过程、永久冻土）的、令人满意的、性能良好的全球变暖模型才能被纳入泛北极流域的多模型气候变化影响评估。