雷曉輝，王 浩，廖衛(wèi)紅，楊明祥，桂梓玲，2

（1.流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室 中國(guó)水利水電科學(xué)研究院，北京 100038；2.武漢大學(xué) 水資源與水電工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430072）

1 研究背景

水文預(yù)報(bào)就是根據(jù)已知的信息（測(cè)驗(yàn)或分析的信息）對(duì)未來(lái)一定時(shí)期內(nèi)水文要素的狀態(tài)做出定性或定量的預(yù)測(cè)［1］。近百年來(lái)，受到氣候變化、自然變遷（自然）和人為活動(dòng)（社會(huì)）等綜合影響，全球大氣、陸表生境發(fā)生了重大變化。氣候變暖、厄爾尼諾等現(xiàn)象導(dǎo)致流域降水量和蒸發(fā)量發(fā)生顯著改變，洪澇、干旱等極端事件不斷凸顯。人為活動(dòng)也導(dǎo)致地表下墊面發(fā)生較大改變，進(jìn)而導(dǎo)致流域河川徑流發(fā)生突變。此外，水庫(kù)工程和調(diào)水工程的建設(shè)也在影響著水資源分布，大大改變了水循環(huán)的特點(diǎn)，導(dǎo)致水文序列在自然形成的固有規(guī)律下，又出現(xiàn)了新的特征。Milly等［2］在氣候變化和人類活動(dòng)的影響下，基于一致性假設(shè)的水文概率分布估計(jì)理論和方法已經(jīng)無(wú)法幫助人們正確揭示變化環(huán)境下水資源和洪水演變的長(zhǎng)期規(guī)律。具體而言，氣候變化下天氣系統(tǒng)更不穩(wěn)定，降水、蒸發(fā)等氣象要素的時(shí)空分布及模擬預(yù)測(cè)不確定性更高，且洪旱水文極值事件頻發(fā)［3］；高強(qiáng)度人類活動(dòng)又影響著流域下墊面和產(chǎn)匯流過(guò)程，使得水文模型結(jié)構(gòu)及參數(shù)在水文模擬預(yù)測(cè)中的不確定性也越來(lái)越高；綜上，水文預(yù)報(bào)的難度加大，現(xiàn)有或即將開發(fā)建設(shè)的水利工程及其運(yùn)行調(diào)度等面臨設(shè)計(jì)頻率失真，乃至決策判斷失誤等問(wèn)題［4］。

如何提高變化環(huán)境下氣象水文的預(yù)報(bào)精度和延長(zhǎng)其有效預(yù)見(jiàn)期，成為困擾氣象與水文人員的難題和挑戰(zhàn)。首先，針對(duì)落地降水的多源數(shù)據(jù)融合、針對(duì)預(yù)報(bào)降水的數(shù)值天氣預(yù)報(bào)模型都是從源頭上提高預(yù)報(bào)精度的重要方法。在水文預(yù)報(bào)模型層面，不僅需深入研究高強(qiáng)度人類活動(dòng)對(duì)流域洪水的影響機(jī)制以改進(jìn)水文模型結(jié)構(gòu)，還應(yīng)分析模型參數(shù)的不確定性，研發(fā)出更能考慮參數(shù)不確定性的快速高效的參數(shù)率定算法，增加水文模型適用性。在實(shí)時(shí)預(yù)報(bào)過(guò)程中利用數(shù)據(jù)同化技術(shù)還可進(jìn)一步對(duì)水文模型預(yù)報(bào)變量和參數(shù)進(jìn)行動(dòng)態(tài)校正，進(jìn)一步提高預(yù)報(bào)精度。在模型輸出方面，采用徑流集合預(yù)報(bào)技術(shù)以及集合預(yù)報(bào)結(jié)果后處理技術(shù)，相比傳統(tǒng)的單值預(yù)報(bào)，能獲得總體最優(yōu)、結(jié)果更為可靠的集合預(yù)報(bào)結(jié)果。上述技術(shù)及其在水文實(shí)時(shí)預(yù)報(bào)中的作用詳見(jiàn)圖1所示。本文將分別對(duì)這些技術(shù)的發(fā)展及應(yīng)用進(jìn)行綜述。中長(zhǎng)期尺度下水文預(yù)報(bào)同樣也受變化環(huán)境的影響，但由于中長(zhǎng)期水文預(yù)報(bào)主要基于統(tǒng)計(jì)模型實(shí)現(xiàn)，故而變化環(huán)境下中長(zhǎng)期水文預(yù)報(bào)主要側(cè)重于分析長(zhǎng)系列徑流序列的變化規(guī)律以及改進(jìn)統(tǒng)計(jì)算法等方向，本文暫不對(duì)此進(jìn)行討論。

圖1 變化環(huán)境下氣象水文預(yù)報(bào)關(guān)鍵技術(shù)

2 多源降水?dāng)?shù)據(jù)融合技術(shù)

降水是水文模型中最重要的輸入。降水具有顯著的時(shí)空變異性，傳統(tǒng)地面雨量計(jì)觀測(cè)的空間局限性，成為水文氣象研究中重要的不確定性來(lái)源［5］。降水監(jiān)測(cè)數(shù)據(jù)一般有三大來(lái)源：地面觀測(cè)、雷達(dá)估測(cè)及衛(wèi)星觀測(cè)反演，其主要優(yōu)缺點(diǎn)歸納如表1［6］所示。

表1 三種主要降水觀測(cè)技術(shù)的優(yōu)缺點(diǎn)（基于劉元波等［6］修改）

不同來(lái)源的降雨觀測(cè)數(shù)據(jù)均有自身的誤差特征及其觀測(cè)代表性時(shí)空尺度，合理利用多源觀測(cè)信息是解決水文研究中普遍面臨的時(shí)空變異過(guò)程與觀測(cè)-模擬不確定性問(wèn)題的潛在有效途徑［7］。因此，近年來(lái)多源數(shù)據(jù)觀測(cè)信息綜合利用與同化融合技術(shù)開發(fā)已發(fā)展成為國(guó)際水文研究中的關(guān)注熱點(diǎn)。自1970年代，國(guó)內(nèi)外就開展了雷達(dá)-雨量計(jì)聯(lián)合測(cè)雨的研究；后來(lái)，有關(guān)臺(tái)站-衛(wèi)星降水聯(lián)合估計(jì)降水分布的研究開始活躍。歸納起來(lái)，常見(jiàn)的數(shù)據(jù)融合方法就是依靠地面雨量觀測(cè)資料來(lái)校正遙感降雨估測(cè)結(jié)果，采用諸如協(xié)同克里金方法、概率匹配方法、客觀統(tǒng)計(jì)分析法、貝葉斯校正方法、卡爾曼濾波方法、最優(yōu)插值-概率匹配方法、變分方法、地理加權(quán)回歸等方法融合地面降雨觀測(cè)信息，以降低遙感估測(cè)降雨的誤差［8］。這類方法的核心均是基于加權(quán)平均、回歸，分析、濾波分析等數(shù)學(xué)思想，相對(duì)直接地對(duì)遙感降雨觀測(cè)誤差進(jìn)行處理，并且在降水信息融合研究中取得了不少成果。如：Gerst?ner等［9］通過(guò)訂正后的客觀統(tǒng)計(jì)分析法得到了實(shí)時(shí)降水融合資料，并且融合后降水的均方根誤差降低了59%；中國(guó)國(guó)家氣象信息中心采用概率密度函數(shù)與最優(yōu)插值兩步訂正法建立了中國(guó)區(qū)域逐日0.25°地面臺(tái)站與CMORPH衛(wèi)星降水資料融合的概念模型［10］。胡慶芳［8］首次引入地理加權(quán)回歸方法建立了贛江流域降水空間估計(jì)模型，改進(jìn)了傳統(tǒng)的空間插值中降水的局部空間自相關(guān)性以及與地理信息互相關(guān)性的定量描述方式。盡管降水融合的表達(dá)方式不同，假設(shè)條件有別，但基本思路均是：需要首先構(gòu)建降水量的背景場(chǎng)（或初始場(chǎng)），然后采用地面實(shí)測(cè)降水信息在假設(shè)的優(yōu)化準(zhǔn)則下對(duì)背景場(chǎng)進(jìn)行修正，表達(dá)降水細(xì)節(jié)信息，最終得到一個(gè)降水估計(jì)場(chǎng)（或分析場(chǎng)），用來(lái)代表融合降水的真實(shí)場(chǎng)。

由于降水本身存在極大的時(shí)空變異性，多源降水融合方法的難點(diǎn)在于如何高效地識(shí)別不同來(lái)源相對(duì)有效的降水信息，同時(shí)能夠定量化各個(gè)來(lái)源數(shù)據(jù)估測(cè)隨時(shí)空尺度及位置的變化規(guī)律［11］。目前圍繞多源降雨觀測(cè)的技術(shù)開發(fā)、定量評(píng)估、綜合應(yīng)用、信息融合等一系列關(guān)鍵問(wèn)題，國(guó)內(nèi)外廣大學(xué)者仍在積極探索；結(jié)合多源降雨觀測(cè)技術(shù)在我國(guó)水文研究中發(fā)展與應(yīng)用的實(shí)際情況，對(duì)目前相關(guān)研究中存在的代表性問(wèn)題概括如下：（1）對(duì)與流域暴雨-洪水響應(yīng)密切相關(guān)的降雨小尺度時(shí)空變異規(guī)律研究不夠，尤其缺乏在我國(guó)典型山區(qū)流域的系統(tǒng)觀測(cè)與定量分析；（2）我國(guó)山區(qū)流域雷達(dá)定量降雨估計(jì)算法的研究相對(duì)不足，尤其缺乏雷達(dá)定量降雨產(chǎn)品在流域高分辨率分布式水文模擬中的應(yīng)用檢驗(yàn)；（3）在具有復(fù)雜水文氣候條件與下墊面條件的我國(guó)大型流域，缺乏對(duì)最新衛(wèi)星遙感降雨產(chǎn)品在區(qū)域水文應(yīng)用中的全面評(píng)估與長(zhǎng)期檢驗(yàn)；（4）多源降雨觀測(cè)信息融合技術(shù)還有待進(jìn)一步深入探討［12］，需要發(fā)展能夠明確地定量考慮降雨觀測(cè)信息不確定性的融合分析框架?？偟膩?lái)看，基于多源信息進(jìn)行降水空間估計(jì)在理論和方法上均具有很大的探索空間，尤其在復(fù)雜地形、地面資料匱乏地區(qū)仍是一個(gè)開放性的研究課題。

3 降水?dāng)?shù)值預(yù)報(bào)技術(shù)

提高既往降水觀測(cè)值的時(shí)空分辨率和精度，可提高水文模型對(duì)歷史洪水場(chǎng)次的模擬精度，并據(jù)此率定出更為準(zhǔn)確的模型參數(shù)。但要提高在預(yù)見(jiàn)期內(nèi)水文預(yù)報(bào)的精度，還需借助于一定時(shí)段的未來(lái)降水預(yù)報(bào)信息。而隨著水文模型的高速發(fā)展，降水預(yù)報(bào)的空間和時(shí)間分辨率分別達(dá)到10 km和1h才能滿足洪水預(yù)報(bào)的要求，傳統(tǒng)等級(jí)的降水預(yù)報(bào)已經(jīng)無(wú)法滿足需求，取而代之的是高時(shí)空分辨率、定量化、準(zhǔn)確的降水預(yù)報(bào)，即定量降水預(yù)報(bào)（Quantitative Precipitation Forecasts，QPF）業(yè)務(wù)應(yīng)需而生。

目前，定量降水預(yù)報(bào)主要依賴于數(shù)值天氣預(yù)報(bào)模式。數(shù)值天氣預(yù)報(bào)的概念早在100多年前已被提出，但真正得到快速發(fā)展卻是在近二十年［13］。較為成熟的數(shù)值天氣預(yù)報(bào)模型有：美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction，NCEP）用于業(yè)務(wù)預(yù)報(bào)的ETA模式［14］、美國(guó)賓夕法尼亞大學(xué)和國(guó)家大氣研究中心（Pennsylvania State University/National Center for Atmospheric Research，PSU/NCAR）合作研制的 MM5（Mesoscale Model 5）模式［15］、科羅拉多州立大學(xué)（Colorada State Universi?ty，CSU）研發(fā)的區(qū)域大氣模擬系統(tǒng)——RAMS（Regional Atmospheric Modeling System）［16］等。為了整合各方最新的研究成果，美國(guó)多所研究機(jī)構(gòu)共同開發(fā)了新一代高分辨率數(shù)值天氣預(yù)報(bào)模式——WRF模式（Weather Research and Forecasting Model，WRF Model）［17］。WRF 模式包含了一系列物理過(guò)程：云微物理、積云、邊界層等，模式按照區(qū)域情況分類，研發(fā)并內(nèi)嵌了多套參數(shù)化方案，即為各物理過(guò)程配置好多套不同取值的參數(shù)集，從而可將成百上千各參數(shù)的配置簡(jiǎn)化為若干套參數(shù)化方案的配置［18］。

WRF模式已廣泛應(yīng)用于實(shí)時(shí)水文預(yù)報(bào)中，如Tang［19］驗(yàn)證了WRF模式與VIC的單向耦合在蒸發(fā)、土壤含水量、徑流以及基流模擬預(yù)報(bào)中的有效性，其中徑流模擬誤差主要來(lái)源于WRF的降水模擬；郝春灃等［20］利用WRF模式單向驅(qū)動(dòng)WEP分布式水文模型，對(duì)降雨及徑流模擬良好；高冰等［21］采用WRF耦合分布式水文模型GBHM，對(duì)三峽入庫(kù)洪水進(jìn)行了預(yù)報(bào)，結(jié)果具有一定精度且明顯延長(zhǎng)徑流預(yù)見(jiàn)期。隨著WRF模式在水文預(yù)報(bào)中的逐步應(yīng)用，為提高預(yù)報(bào)精度，學(xué)者們對(duì)WRF模式中不同參數(shù)化方案的應(yīng)用效果也開展了大量研究，如Clark Pennelly等［22］通過(guò)對(duì)比和分析，得到Kain-Fritsch微物理方案和explicit積云對(duì)流參數(shù)化方案的組合表現(xiàn)最好的結(jié)論；史金麗［23］利用WRF模式中7種不同的云微物理參數(shù)化方案和2種積云對(duì)流參數(shù)化方案組成14組對(duì)比實(shí)驗(yàn)，最終發(fā)現(xiàn)WSM5&KF方案和WSM6&BMJ方案對(duì)典型降水模擬效果較好。為進(jìn)一步提高WRF模式的適用性，Yang等［24］提出了模式的參數(shù)化方案動(dòng)態(tài)優(yōu)選技術(shù)，可根據(jù)歷史暴雨應(yīng)用經(jīng)驗(yàn)對(duì)各物理過(guò)程的參數(shù)化方案進(jìn)行配置，能明顯提高降水預(yù)報(bào)精度。此外，通過(guò)不斷引入的觀測(cè)數(shù)據(jù)對(duì)數(shù)值預(yù)報(bào)模式的狀態(tài)變量進(jìn)行同化也是提高模式預(yù)報(bào)精度的一個(gè)重要手段［25］，數(shù)值天氣預(yù)報(bào)模式中數(shù)據(jù)同化技術(shù)主要集中在變分同化與集合濾波方面。

4 人類活動(dòng)影響下流域水文模擬

隨著人類活動(dòng)影響的不斷深入，流域的產(chǎn)匯流規(guī)律也不斷發(fā)生變化，采用固定模式的水文模型、歷史水文資料率定的參數(shù)已很難適用變化情況的模擬。尤其是人類活動(dòng)過(guò)程本身就帶有較大隨機(jī)性，如流域下墊面土地利用的變化、流域中水庫(kù)的調(diào)蓄過(guò)程等，更進(jìn)一步增進(jìn)了流域產(chǎn)匯流模擬的難度。另一方面，變化環(huán)境下流域產(chǎn)匯流參數(shù)也會(huì)不斷發(fā)生變化，但現(xiàn)有參數(shù)測(cè)量水平又難以匹配和適應(yīng)這種快速變化，因而變化環(huán)境對(duì)水文模型中的產(chǎn)匯流參數(shù)率定也提出了新的要求。

2018年10月16日，吉林省民政廳下發(fā)了《吉林省民政廳關(guān)于推動(dòng)幸福養(yǎng)老工程建設(shè)十二項(xiàng)措施》的通知。到2020年全面建成以居家為基礎(chǔ)、社區(qū)為依托、機(jī)構(gòu)為補(bǔ)充、醫(yī)養(yǎng)深度融合，功能完善、服務(wù)優(yōu)良、覆蓋城鄉(xiāng)的養(yǎng)老服務(wù)體系。

4.1 流域水文模型及其改進(jìn)

4.1.1 分布式水文模型 流域水文模型的輸入是流域上各點(diǎn)的降水過(guò)程，輸出是流域出口斷面的流量或水位過(guò)程，因此是一種輸入具有分散性、輸出具有集總性的模型。由于基于觀測(cè)資料的經(jīng)驗(yàn)統(tǒng)計(jì)方法常常平均了流域徑流過(guò)程，因而概念性模型的應(yīng)用受到了較大的限制［26］。分布式水文模型將整個(gè)流域離散成若干較小的單元，這與真實(shí)自然界中下墊面和降水的時(shí)空分布不均勻性更加符合，能更好體現(xiàn)流域產(chǎn)匯流的非線性特征，且分布式模型可有效利用遙感、雷達(dá)和GIS技術(shù)等多元輸入數(shù)據(jù)，更好地考慮氣候、地形、土壤和植被等元素的空間變異性［27-28］。

1969年，F(xiàn)reeze最早提出了流域分布式水文模型的概念和框架，之后伴隨計(jì)算機(jī)編程技術(shù)、遙感及地理信息系統(tǒng)技術(shù)的快速發(fā)展，各類分布式水文模型相繼問(wèn)世，常用的模型有：MIKE-SHE［29］，SWAT［30］，TOPMODEL［31］，HEC-HMS［32］等。我國(guó)學(xué)者對(duì)分布式水文模型的研究起步較晚，但也研發(fā)了大量適用于國(guó)內(nèi)情況的分布式水文模型。如賈仰文等［33］研發(fā)的WEP模型，楊大文等［34］研發(fā)的GBHM模型，郭生練等［35］提出的流域分布式水文模型，夏軍等［36］開發(fā)的時(shí)變?cè)鲆娴陌敕植际剿哪Ｐ?，以及雷曉輝等［37-38］開發(fā)的EasyDHM模型。這些模型都是基于水文學(xué)的基本原理，差異主要反映在模型單元?jiǎng)澐?、?duì)水文過(guò)程的描述以及模型求解方法等方面。

4.1.2 分布式水文模型的改進(jìn)和完善 土地利用變化和人工調(diào)蓄水庫(kù)等人類活動(dòng)直接改變了流域蒸散發(fā)，產(chǎn)流過(guò)程中的截留、填洼、下滲和土壤蓄水能力，匯流過(guò)程中的地表糙率、地表蓄水量、河道匯水路徑等因素及其反饋?zhàn)饔?，使得流域的產(chǎn)匯流規(guī)律不斷發(fā)生變化，水循環(huán)呈現(xiàn)出“自然-人工”二元特性［2］，影響了流域水文預(yù)報(bào)模型和方法。

為分析變化環(huán)境下分布式水文模型的適應(yīng)性，Ciaran Broderick等［39］分析了6種水文模型和4種模型平均方法對(duì)于差異氣候下的可轉(zhuǎn)移性；Kim等［40］提出了一種考慮氣候變化、非一致性條件和季節(jié)變化的水文模型方法?；诜植际剿哪Ｐ偷膬?yōu)勢(shì)，很多學(xué)者從人類活動(dòng)影響土地利用等下墊面的角度出發(fā)，開展了土地利用變化條件下的分布式水文模擬，即從水文循環(huán)理論上提高模型模擬流域?qū)ν恋乩米兓憫?yīng)的能力。如池宸星等［41］提出利用基于DEM的分布式水文模擬技術(shù)，采用網(wǎng)格滯蓄的方法在子網(wǎng)格上體現(xiàn)人類活動(dòng)引起的下墊面變化及其對(duì)產(chǎn)匯流的影響；Huang等［42］將流域劃分為6種不同土地利用及覆被變化類型，分別考慮蒸發(fā)和下滲的差異，計(jì)算地表徑流量和地下徑流量，最終得到流域的水文過(guò)程。人類活動(dòng)對(duì)水循環(huán)影響的另一個(gè)重要手段是興建水利工程，包括攔蓄水量的水庫(kù)、引走水量的引水工程、蓄滯洪區(qū)等。水利工程通過(guò)其調(diào)節(jié)作用，能改變天然來(lái)水的河流形態(tài)和時(shí)空分布，從而實(shí)現(xiàn)對(duì)洪水、水資源在時(shí)空上的再分配。大型水庫(kù)的調(diào)度研究已經(jīng)非常成熟［43-44］。但流域中大量分布的小水庫(kù)、塘壩準(zhǔn)確位置及相關(guān)資料難以收集完整，水文模型中對(duì)于小水庫(kù)和塘壩對(duì)徑流洪水的攔蓄、滯留作用一般不加考慮。但實(shí)際上，大批小型水庫(kù)的蓄泄規(guī)律從總體上講呈現(xiàn)“漲水段泄水，退水段蓄水”的統(tǒng)計(jì)規(guī)律，隨著小型水庫(kù)、塘壩的大量興建，其對(duì)徑流的影響日益增強(qiáng)，尤其對(duì)汛期洪水的形成和演進(jìn)影響已不容忽視。Güntner A等［45］提出了一種缺資料水庫(kù)在分布式水文模型中的處理方法，依據(jù)庫(kù)容對(duì)水庫(kù)進(jìn)行分類，將每類型水庫(kù)看作一個(gè)整體；初京剛［46］在Güntner A方法的基礎(chǔ)上對(duì)各類型水庫(kù)的入流和出流計(jì)算過(guò)程進(jìn)行了改進(jìn)，精度得到了進(jìn)一步提高。雷曉輝等［47］建立了一套內(nèi)嵌于分布式水文模型EasyDHM中的通用水利工程調(diào)度模塊，并提出了“聚合水庫(kù)”的概念和統(tǒng)計(jì)意義上聚合水庫(kù)的防洪調(diào)蓄規(guī)則形式及反演方法。

4.2 分布式水文模型高效參數(shù)率定為應(yīng)對(duì)變化環(huán)境的影響，分布水文模型物理過(guò)程考慮的愈加細(xì)致，其參數(shù)數(shù)量也將隨之增多，因過(guò)多參數(shù)導(dǎo)致的分布式水文模型高維參數(shù)率定問(wèn)題將面臨更大的挑戰(zhàn)。一方面，分布式水文模型參數(shù)率定對(duì)計(jì)算環(huán)境要求更高［48］，且隨著分布式水文模型非線性程度的提高，高維參數(shù)的不確定性也更大，參數(shù)率定的有效求解和高效計(jì)算都將更為困難［49-50］；另一方面，隨著流域水資源的空間分布發(fā)生改變，采用歷史水文資料和固定模式的水文模型率定的參數(shù)也失去了代表性，已很難適用變化情況的水文模擬［2］。

當(dāng)前，水文模型的高維參數(shù)率定已經(jīng)引入了很多自動(dòng)優(yōu)化算法，包括基于自然界中適者生存、優(yōu)勝劣汰等生物進(jìn)化規(guī)律演化的一種自適應(yīng)的全局優(yōu)化算法GA［51］，模擬鳥群捕食行為來(lái)實(shí)現(xiàn)人工智能的一種優(yōu)化算法PSO［52］，為SWAT應(yīng)用的解決高維參數(shù)的非線性全局優(yōu)化問(wèn)題的SCE-UA［53］，以及簡(jiǎn)單有效的、在有限評(píng)價(jià)規(guī)模內(nèi)全局搜尋最優(yōu)方案的優(yōu)化算法DDS等［54］。上述算法在水文模型的應(yīng)用中，優(yōu)化算法也得到了一些改進(jìn)，如考慮多目標(biāo)的SCEM-UA［55］和將參數(shù)敏感性分析引入DDS中的MDDS等［56］。認(rèn)識(shí)到變化環(huán)境的影響，借助于高效參數(shù)率定工具，很多學(xué)者開展了變化環(huán)境下水文模型參數(shù)分析的工作，如Seth Westra等［57］通過(guò)構(gòu)造時(shí)變參數(shù)來(lái)代表水文模型的非一致性；Markus Wall?ner等［58］采用基于自組織映射的優(yōu)化算法，構(gòu)造了與氣候指數(shù)相關(guān)的非一致性參數(shù)；王中根等［59］分析探討了變化環(huán)境下水文模型參數(shù)率定和敏感性分析等問(wèn)題。

計(jì)算機(jī)技術(shù)和數(shù)學(xué)優(yōu)化算法的革新，均在一定程度上推動(dòng)了分布式水文模型參數(shù)的高效率定。然而在人類活動(dòng)影響下，為了更好的考慮下墊面特性的異質(zhì)性，大流域上計(jì)算單元的增加不可避免，而計(jì)算耗時(shí)則將呈指數(shù)延長(zhǎng)。在這種情況下，參數(shù)率定不能過(guò)分依賴計(jì)算機(jī)自動(dòng)優(yōu)化方法，而應(yīng)充分利用人的知識(shí)和經(jīng)驗(yàn)，有可能更迅速地判斷復(fù)雜問(wèn)題解的搜索方向，即應(yīng)當(dāng)注重將人的智慧和經(jīng)驗(yàn)融入計(jì)算機(jī)自動(dòng)優(yōu)化方法中［60］。

5 水文模型數(shù)據(jù)同化技術(shù)

水文模型的改進(jìn)、高效參數(shù)率定等技術(shù)都是從單一方面來(lái)減少模型誤差，而數(shù)據(jù)同化方法則可以充分考慮水文模擬中的各種誤差來(lái)源，包括模型本身的誤差。數(shù)據(jù)同化技術(shù)可通過(guò)不斷引入的觀測(cè)數(shù)據(jù)，不斷校正模型參數(shù)、狀態(tài)等信息，從而提高模擬精度［61］。

水文模型數(shù)據(jù)同化一般基于順序同化方法即濾波算法實(shí)現(xiàn)?？柭鼮V波（KF）［62］作為該類方法的基礎(chǔ)，已在水文模型參數(shù)實(shí)時(shí)校正中得到了大量應(yīng)用［63-64］。KF是線性最小方差估計(jì)方法，主要用于同化具有高斯分布誤差的線性系統(tǒng)。但現(xiàn)實(shí)中各物理模型大多是非線性系統(tǒng)，為此，擴(kuò)展性卡爾曼濾波（EKF）在KF的基礎(chǔ)上被開發(fā)出來(lái)［65］。隨著模型越來(lái)越復(fù)雜，EKF在高度非線性模型中的適用性越來(lái)越低，Evensen提出了集合卡爾曼濾波（EnKF）方法［66］。EnKF在計(jì)算誤差協(xié)方差時(shí)不必像KF和EKF需要進(jìn)行切線性模式和伴隨模式，因此節(jié)省了巨大的計(jì)算量，在水文模型中得到了廣泛的應(yīng)用。如Xie等［67］將模型參數(shù)同等地視為狀態(tài)變量，即同時(shí)同化水文模型中的狀態(tài)變量和模型參數(shù)；McMillan等［68］使用迭代集合卡爾曼濾波方法對(duì)操作水文數(shù)據(jù)進(jìn)行同化處理，考慮了模型中土壤含水率和蓄水量對(duì)流域集水時(shí)間有滯后作用，可以改善模型初始條件并提高預(yù)測(cè)流量的精度；Moradkhani等［69］基于EnKF提出了一種雙重估算方法并在一個(gè)概念性降雨-徑流模型上進(jìn)行了驗(yàn)證。

數(shù)據(jù)同化方法可根據(jù)不斷引入的實(shí)測(cè)數(shù)據(jù)，更新模型參數(shù)、預(yù)報(bào)的狀態(tài)變量初值，甚至可以同化出準(zhǔn)確的上游邊界入流，追蹤模型參數(shù)的變化等。隨著監(jiān)測(cè)水平的逐步提升，尤其是遙感技術(shù)的不斷發(fā)展，水文模型中可用于同化的觀測(cè)數(shù)據(jù)種類和數(shù)量都不斷增多，如蒸發(fā)、土壤含水率等信息，因而多源數(shù)據(jù)同化將是水文模型數(shù)據(jù)同化技術(shù)發(fā)展一個(gè)主要趨勢(shì)。與此同時(shí)，隨著同化對(duì)象、觀測(cè)數(shù)據(jù)源的增多，同化問(wèn)題將更為復(fù)雜，同化問(wèn)題的高效求解技術(shù)也將成為研究的熱點(diǎn)和難點(diǎn)。

6 水文集合預(yù)報(bào)技術(shù)

針對(duì)復(fù)雜模擬對(duì)象，水文預(yù)報(bào)可分為不考慮預(yù)報(bào)不確定性的單值預(yù)報(bào)和考慮初始輸入/預(yù)報(bào)過(guò)程不確定性的集合預(yù)報(bào)。單值預(yù)報(bào)的結(jié)果是單一確定的預(yù)報(bào)輸出。集合預(yù)報(bào)有兩種形式：（1）確定性預(yù)報(bào)，其輸出是將集合成員進(jìn)行平均，由于計(jì)算平均的過(guò)程中會(huì)將不可能預(yù)報(bào)的隨機(jī)信息過(guò)濾掉，通常比單值預(yù)報(bào)、甚至比用高分辨率模式所產(chǎn)生的單值預(yù)報(bào)更準(zhǔn)確；（2）概率預(yù)報(bào)，是指對(duì)于某個(gè)特定預(yù)報(bào)對(duì)象，計(jì)算出其發(fā)生的相對(duì)頻率，概率分布包含了集合預(yù)報(bào)系統(tǒng)所能提供的所有信息，最大程度地包含了實(shí)際大氣可能發(fā)生的種種情況，較單值預(yù)報(bào)氣候概率預(yù)報(bào)以及基于單一模式單一預(yù)報(bào)的MOS預(yù)報(bào)更準(zhǔn)確。有研究表明，水文集合預(yù)報(bào)的可靠度更高，且能顯著提高調(diào)度效益［70］，因而得到越來(lái)越高的重視。2003年，歐盟正式開展歐洲洪水預(yù)警模式，并于次年在英國(guó)召開國(guó)際水文集合預(yù)報(bào)首屆研討會(huì)。2005年，美國(guó)NOAA主持開發(fā)建立了首個(gè)集合預(yù)報(bào)技術(shù)的先進(jìn)水文預(yù)報(bào)模式［71］。

國(guó)內(nèi)外學(xué)者也針對(duì)水文集合預(yù)報(bào)開展了大量研究。如Bao等［72］利用TIGGE驅(qū)動(dòng)洪水預(yù)測(cè)模型，將集合預(yù)報(bào)中的多個(gè)預(yù)報(bào)降水并分別與洪水模型進(jìn)行了單向耦合，并最終得到多個(gè)洪水預(yù)報(bào)結(jié)果；Xu等［73］通過(guò)對(duì)三個(gè)集合預(yù)報(bào)系統(tǒng)（NCEP，ECWMF，NMC）的降水?dāng)?shù)據(jù)利用全球/區(qū)域同化預(yù)報(bào)系統(tǒng)GRAPES進(jìn)行降尺度，并驅(qū)動(dòng)單一水文模型對(duì)淮河下游的臨沂集水區(qū)進(jìn)行徑流預(yù)報(bào)，發(fā)現(xiàn)可有效提前預(yù)警期；吳娟等［74］利用加拿大球譜模型GEM、加拿大氣候模式MC2及中國(guó)氣象局國(guó)家氣象中心全球譜模式（T213L31）集合預(yù)報(bào)并驅(qū)動(dòng)陸面模式，在淮河流域進(jìn)行了暴雨洪水的驗(yàn)證。

集合預(yù)報(bào)后處理技術(shù)是指在水文集合預(yù)報(bào)系統(tǒng)中消除水文模型模擬過(guò)程產(chǎn)生的誤差，降低水文模擬中不確定性影響的過(guò)程。正如氣象數(shù)值預(yù)報(bào)輸出結(jié)果不能作為最終結(jié)果直接發(fā)布，水文模型的預(yù)報(bào)輸出也不能作為最終結(jié)果發(fā)布，它存著許多不確定性。和氣象數(shù)值預(yù)報(bào)的后處理類似，水文集合后處理方法主要目的是根據(jù)已知的歷史觀測(cè)流量和模型模擬/預(yù)報(bào)的流量建立一個(gè)回歸統(tǒng)計(jì)模型。從概率上講，水文集合后處理就是求水文集合預(yù)報(bào)對(duì)應(yīng)的觀測(cè)值的條件概率密度函數(shù)。目前，國(guó)內(nèi)外在水文集合方面的前后處理工作積累了較多方案，Seo等［75］提出了利用一個(gè)簡(jiǎn)化的后處理器對(duì)集合預(yù)報(bào)系統(tǒng)水文要素進(jìn)行后處理，目前已經(jīng)在美國(guó)各氣象單位廣泛使用；Bogner等［76］利用小波變換結(jié)合狀態(tài)空間模式，開發(fā)了徑流的觀測(cè)、模擬誤差分析系統(tǒng)，同時(shí)采用貝葉斯方法設(shè)計(jì)了后處理方法，有效地減少了徑流預(yù)報(bào)誤差；姜迪等［77］利用通用線性模型（Generalized Linear Model，GLM）校準(zhǔn)了水文集合結(jié)果，對(duì)水文集合結(jié)果進(jìn)行后處理并有效減少了模式模擬誤差。

至今，世界上使用集合預(yù)報(bào)進(jìn)行水文業(yè)務(wù)化預(yù)報(bào)的國(guó)家還較少，僅有部分國(guó)家的氣象部門在業(yè)務(wù)評(píng)估上使用該方法。此外由于集合預(yù)報(bào)需要處理由氣候數(shù)值預(yù)報(bào)前期產(chǎn)生的大量數(shù)據(jù)，更需加強(qiáng)研究人員相互間協(xié)同工作的能力，以上各種因素限制了集合預(yù)報(bào)方法在全球范圍的應(yīng)用。

7 展望

本文分析了變化環(huán)境下氣象水文實(shí)時(shí)預(yù)報(bào)中遇到的種種挑戰(zhàn)，分別針對(duì)多源降水融合、降水?dāng)?shù)值預(yù)報(bào)、水文預(yù)報(bào)模型、高效參數(shù)率定、數(shù)據(jù)同化以及水文集合預(yù)報(bào)等方面，綜述了各項(xiàng)發(fā)展及應(yīng)用情況，說(shuō)明了如何在氣象水文預(yù)報(bào)各個(gè)環(huán)節(jié)降低預(yù)報(bào)誤差，提高洪水預(yù)報(bào)的可靠度并延長(zhǎng)預(yù)見(jiàn)期?？偨Y(jié)來(lái)看，變化環(huán)境下氣象水文預(yù)報(bào)技術(shù)研究熱點(diǎn)和未來(lái)發(fā)展方向主要集中在以下幾個(gè)方面：

（1）落地和預(yù)報(bào)降水精度及時(shí)空分辨率的進(jìn)一步提高。由于雨量站布點(diǎn)相對(duì)稀疏，現(xiàn)有雨量觀測(cè)水平往往限制了分布式水文模型的實(shí)際應(yīng)用，因而引入其他手段的雨量觀測(cè)數(shù)據(jù)配合雨量站點(diǎn)觀測(cè)高效降水融合，可大幅提高水文模型輸入——降水?dāng)?shù)據(jù)的時(shí)空分辨率精細(xì)程度，且能保證數(shù)據(jù)質(zhì)量的可靠性；針對(duì)降水預(yù)報(bào)，各種數(shù)值天氣預(yù)報(bào)模式都很難完整刻畫真實(shí)的大氣動(dòng)力過(guò)程，且數(shù)值天氣預(yù)報(bào)模式本身運(yùn)轉(zhuǎn)就極為耗費(fèi)資源，要從數(shù)值模式中的參數(shù)、初值等方面提高氣候變化條件下數(shù)值天氣預(yù)報(bào)模式的精度，就需首先解決計(jì)算效率和計(jì)算能力的問(wèn)題。

（2）水文模型結(jié)構(gòu)的改進(jìn)及不確定性分析。對(duì)流域水循環(huán)系統(tǒng)來(lái)說(shuō)，其洪水過(guò)程呈現(xiàn)“自然-人工”二元特性，要從科學(xué)層面上研究高強(qiáng)度人類活動(dòng)對(duì)流域洪水過(guò)程的影響機(jī)制及其不確定性，并研究模型物理參數(shù)的取值及不確定性，研究參數(shù)率定和數(shù)據(jù)同化的高效計(jì)算方法，以不斷適應(yīng)變化環(huán)境的影響。

（3）水文預(yù)報(bào)誤差的描述方法及其可靠性。隨著變化環(huán)境的影響，由于模型輸入數(shù)據(jù)、模型結(jié)構(gòu)及參數(shù)本身的缺陷，水文預(yù)報(bào)的誤差逐漸不容忽視，采用傳統(tǒng)的確定性預(yù)報(bào)方式容易造成預(yù)報(bào)偏差，因而綜合考慮水文預(yù)報(bào)中的種種不確定性來(lái)源，研發(fā)集合預(yù)報(bào)方法可降低預(yù)報(bào)的不確定性，從而能為后續(xù)的防洪調(diào)度、水資源管理決策提供更好的支撐。同時(shí)，以不確定性方式給出的暴雨洪水集合預(yù)報(bào)，在一定程度上是將洪水預(yù)報(bào)的不確定性交給了決策者，最終要提高決策水平，從目前習(xí)慣的確定性暴雨洪水預(yù)報(bào)決策轉(zhuǎn)變?yōu)椴淮_定的暴雨洪水集合預(yù)報(bào)決策。

［1］中國(guó)大百科全書編輯委員會(huì).中國(guó)大百科全書：大氣科學(xué)、海洋科學(xué)、水文科學(xué)卷［M］.北京：中國(guó)大百科全書出版社，1987.

［2］MILLY P C D，BETANCOURT J，F(xiàn)ALKENMARK M，et al.Stationarity is dead：whither water management［J］.Science，2008，319：573-574.

［3］GREENWOOD J A，LANDWEHR J M，MATALAS N C，et al.Probability weighted moments：Definition and re?lation to parameters of several distributions expressible in inverse form［J］.Water Resources Research，1979，15（5）：1049-1054.

［4］WANG Q J.Using higher probability weighted moments for flood frequency analysis［J］.Journal of Hydrology，1997，194（1）：95-106.

［5］趙琳娜，包紅軍，田付友，等.水文氣象研究進(jìn)展［J］.氣象，2012，38（2）：147-154.

［6］劉元波，傅巧妮，宋平，等.衛(wèi)星遙感反演降水研究綜述［J］.地球科學(xué)進(jìn)展，2011，26（11）：1162-1172.

［7］游然.多源衛(wèi)星降水融合方法研究［C］//第33屆中國(guó)氣象學(xué)會(huì)年會(huì)S20氣象信息化——業(yè)務(wù)實(shí)踐與技術(shù)應(yīng)用，西安，2016.

［8］胡慶芳.基于多源信息的降水空間估計(jì)及其水文應(yīng)用研究［D］.北京：清華大學(xué)，2013.

［9］GERSTNER E M，HEINEMANN G.Real-time areal precipitation determination from radar by means of statisti?cal objective analysis［J］.Journal of Hydrology，2008，352（3）：296-308.

［10］潘旸，沈艷，宇婧婧，等.基于貝葉斯融合方法的高分辨率地面-衛(wèi)星-雷達(dá)三源降水融合試驗(yàn)［J］.氣象學(xué)報(bào)，2015，73（1）：177-186.

［11］李哲.多源降雨觀測(cè)與融合及其在長(zhǎng)江流域的水文應(yīng)用［D］.北京：清華大學(xué)，2015.

［12］聶肅平，吳統(tǒng)文，羅勇，等.一套基于新的客觀分析策略的全球多源逐日降水融合資料［C］//第33屆中國(guó)氣象學(xué)會(huì)年會(huì)S20氣象信息化——業(yè)務(wù)實(shí)踐與技術(shù)應(yīng)用，西安，2016.

［13］MANNAN M A，CHOWDHURY M A M，KARMAKAR S.Application of NWP model in prediction of heavy rain?fall in Bangladesh［J］.Procedia Engineering，2013，56：667-675.

［14］NUTTER P，MANOBIANCO J.Evaluation of the 29-km Eta model.Part I：Objectiveverification at three select?ed stations［J］.Weather and Forecasting，1999，14：5-17.

［15］CHEN F，DUDHIA J.Coupling an advanced land surface/hydrology model withthe Penn State/NCAR MM5 model?ing system.Part I：model description andimplementation［J］.Monthly Weather Review，2001，129：569-585.

［16］WALKO R L，TREMBACK C J，HERTENSTEIN R F A.RAMS(the regional atmospheric modeling system)ver?sion 3b，User’s Guide［M］.ASTER Division MRC，1995.

［17］YU Z，LAKHTAKIA M N，BARRON E J.Modeling the river-basin response to single-storm events simulated by a mesoscale meteorological model at various resolutions［J］.Journal of Geophysical Research Atmospheres,1999,104（D16）：19675-19689.

［18］KLEMP J B.Weather Research and Forecasting Model：A technical Overview［C］//84th AMS Annual Meeting，Se?attle，U.S.A，2004.

［19］TANG C，DENNIS R L.How reliable is the fully couple of WRF and VIC model?［C］//AGU Conference，2013.

［20］郝春灃，賈仰文，王浩 .氣象水文模型耦合研究及其在渭河流域的應(yīng)用［J］.水利學(xué)報(bào)，2012，43（9）：1042-1049.

［21］高冰，楊大文，谷湘潛，等.基于數(shù)值天氣模式和分布式水文模型的三峽入庫(kù)洪水預(yù)報(bào)研究［J］.水力發(fā)電學(xué)報(bào)，2012（1）：22-28.

［22］PENNELLY C，REUTER G，F(xiàn)LESCH T.Verification of the WRF model for simulating heavy precipitation in Al?berta［J］.Atmospheric Research，2014，135/136：172-192.

［23］史金麗.WRF模式不同參數(shù)化方案對(duì)內(nèi)蒙古不同性質(zhì)降水模擬分析［D］.南京：南京信息工程大學(xué)，2013.

［24］YANG M X，JIANG Y Z，LU X，et al.WRF model evaluation for simulating heavy precipitation over the down?stream of Yalong River Basin［J］.Journal of Zhejiang University（SCIENCE-A），2015，16（1）：18-37.

［25］丑紀(jì)范.數(shù)值天氣預(yù)報(bào)的創(chuàng)新之路——從初值問(wèn)題到反問(wèn)題［J］.氣象學(xué)報(bào)，2007，65（5）：673-682.

［26］芮孝芳.流域水文模型研究中的若干問(wèn)題［J］.水科學(xué)進(jìn)展，1997，8（1）：94-98.

［27］芮孝芳，黃國(guó)如.分布式水文模型的現(xiàn)狀與未來(lái)［J］.水利水電科技進(jìn)展，2004，24（2）：55-58.

［28］徐宗學(xué)，程磊.分布式水文模型研究與應(yīng)用進(jìn)展［J］.水利學(xué)報(bào)，2010，41（9）：1009-1017.

［29］SINGH R，SUBRAMANIAN K.Hydrological modeling of a small watershed using MIKE SHE for irrigation plan?ning［J］.Agricultural Water Management，1999，41（3）：103-109.

［30］KINIRY J R，WILLIAMS J R，KING K W.Soil and water assessment tool theoretical documentation(Version 2005)［J］.Computer Speech&Language，2011，24（2）：289-306.

［31］BEVEN K J，KIRKBY M J.A physically based variable contributing area model of basin［J］.Hydrological Sci?ence Bulletin，1979，24（1）：43-69.

［32］FELDMAN A.Hydrologic Modeling System HEC-HMS-Technical Reference Manual［M］.US Army Corps of En?gineers，Davis，CA，2000.

［33］賈仰文.WEP模型的開發(fā)與分布式流域水循環(huán)模擬［C］//中國(guó)水利學(xué)會(huì)2003學(xué)術(shù)年會(huì)論文集，2003.

［34］YANG D W，HERATH S，MUSIAKE K.Development of a geomorphology based hydrological model for large catchments［J］.Annual Journal of Hydraulic Engineering，1998，42：169-174.

［35］郭生練，熊立華，楊井，等.基于DEM的分布式流域水文物理模型［J］.武漢大學(xué)學(xué)報(bào)（工學(xué)版），2000，21（4）：35-38.

［36］夏軍，王綱勝，呂愛(ài)鋒，等.分布式時(shí)變?cè)鲆媪饔蛩h(huán)模擬［J］.地理學(xué)報(bào)，2003，58（5）：789-796.

［37］LEI X，LIAO W，WANG Y，et al.Development and Application of a Distributed Hydrological Model：EasyDHM［J］.Journal of Hydrologic Engineering，2014，19（1）：44-59.

［38］雷曉輝，廖衛(wèi)紅，蔣云鐘，等 .分布式水文模型 EasyDHM（I）理論方法［J］.水利學(xué)報(bào)，2010，41（7）：786-794.

［39］BRODERICK C，MATTHEWS T，WILBY R L，et al.Transferability of hydrological models and ensemble aver?aging methods between contrasting climatic periods［J］.Water Resources Research，2016，52：8343-8373.

［40］KIM K B，KWON H H，HAN D W.Hydrological modelling under climate change considering nonstationarity and seasonal effects［J］.Hydrology Research，2016，47（2）：260-273.

［41］池宸星，郝振純，王玲，等.黃土區(qū)人類活動(dòng)影響下的產(chǎn)匯流模擬研究［J］.地理科學(xué)進(jìn)展，2005，24（3）：101-108.

［42］HUANG X，LIAO W，LEI X，et al.Simulating the impacts of land-use change on a large-scale runoff using the easy distributed hydrological model［J］.HKIE Transactions，2014，21（2）：122-134.

［43］CHANDRAMOULI V，RAMAN H.Multireservoir modeling with dynamic programming and neural networks［J］.Journal of Water Resources Planning and Management，2001，127（2）：89-98.

［44］YOUNG G K.Finding reservoir operating rules［J］.Journal of the Hydraulics Division，1967，93（6）：297-322.

［45］GüNTNER A，KROL S M，DE ARAúJO J C，et al.Simple water balance modelling of surface reservoir systems in a large data-scarce semiarid region［J］.Hydrological Science Journal，2004，49（5）：901-918.

［46］初京剛.基于多源信息的分布式水文模擬及優(yōu)化算法應(yīng)用研究［D］.大連：大連理工大學(xué)，2012.

［47］雷曉輝，王浩，廖衛(wèi)紅，等.非一致性條件下的水文模擬及預(yù)報(bào)關(guān)鍵技術(shù)研究［M］.北京：中國(guó)水利水電出版社，2017.

［48］APOSTOLOPOULOS T K，GEORGAKAKOS K P.Parallel computation for streamflow prediction with distributed hydrologic models［J］.Journal of Hydrology，1997，197（1/4）：1-24.

［49］BEVEN K.Changing ideas in hydrology-The case of physicallybased models［J］.Journal of Hydrology，1989，105（1/2）：157-172.

［50］CARPENTER T M，GEORGAKAKOS K P，SPERFSLAGEA J A.On the parametric and NEXRAD-radar sensi?tivities of a distributed hydrologic model suitable for operational use［J］.Journal of Hydrology，2001，253（1/4）：169-193.

［51］HORN J，NAFPLIOTIS N，GOLDBERG D E.A niched pareto genetic algorithm for multiobjective optimization［C］//Proceedings of 1st IEEE Conference on Evolutionary Computation，IEEE World Congress on Computational Computation Intelligence，Piscataway，NJ，1994.

［52］EBERHART R，KENNEDY J.A new optimizer using particle swarm theory［C］//Proceedings of the sixth Interna?tional Symposium on Micro Machine and Human Science.IEEE，2002.

［53］DUAN Q，SOROOSHIAN S，GUPTA V K.Effective and efficient global optimization for conceptual rainfall-run?off models［J］.Water Resources Research，1992，28（4）：1015-1031.

［54］TOLSON B A，SHOEMAKER C A.Dynamically dimensioned search algorithm for computationally efficient water?shed model calibration［J］.Water Resources Research，2007，43（1）：W01413.

［55］VRUGT J A，GUPTA H V，BOUTEN W，et al.A shuffled complex evolution metropolis algorithm for optimiza?tion and uncertainty assessment of hydrologic model parameters［J］.Water Resources Research，2003，39（8）：1201-1216.

［56］HUANG X M，LIAO W H，LEI X H，et al.Parameter Optimization of the Easy Distributed Hydrological Model with a Modified Dynamically Dimensioned Search Algorithm［J］.Environmental Modelling&Software，2014，52（2）：98-110.

［57］WESTRA S，THYER M，LEONARD M，et al.A strategy for diagnosing and interpreting hydrological model non?stationarity［J］.Water Resources Research，2014，50（6）：5090-5113.

［58］WALLNER M，HABERLANDT U.Non-stationary hydrological model parameters：a framework based on SOM-B［J］.Hydrological Processes，2015，29：3145-3161.

［59］王中根，夏軍，劉昌明，等.分布式水文模型的參數(shù)率定及敏感性分析探討［J］.自然資源學(xué)報(bào)，2007，22（4）：649-655.

［60］李宗禮，孫偉，王中根，等.基于人機(jī)聯(lián)合優(yōu)化的SWAT模型參數(shù)率定方法研究［J］.水力發(fā)電學(xué)報(bào)，2013，32（5）：77-82.

［61］MORADKHANI H，SOROOSHIAN S，GUPTA H V，et al.Dual state-parameter estimation of hydrological mod?els using ensemble Kalman filter［J］.Advances in Water Resources，2005，28（2）：135-47.

［62］KALMAN R E.A new approach to linear filtering and prediction problems［J］.Journal of Basic Engineering Transactions，1960，82：35-45.

［63］葛守西，程海云，李玉榮 .水動(dòng)力學(xué)模型卡爾曼濾波實(shí)時(shí)校正技術(shù)［J］.水利學(xué)報(bào)，2005，36（6）：687-693.

［64］CHAWAH P，SOURICE A，PLANTIER G，et al.Real time and adaptive Kalman filter for joint nanometric dis?placement estimation，parameters tracking and drift correction of EFFPI sensor systems［C］//Sensors.IEEE，2011：882-885.

［65］LV H，HOU T，HORTON R，et al.The streamflow estimation using the Xinanjiang rainfall runoff model and dual state-parameter estimation method［J］.Journal of Hydrology，2013，480（10）：2-14.

［66］EVENSEN G.Data Assimilation：The Ensemble Kalman Filter［M］.Springer-Verlag New York，Inc，2006.

［67］XIE X H，ZHANG D X.Data assimilation for distributed hydrological catchment modeling via ensemble Kalman filter［J］.Advances in Water Resources，2010，33（6）：678-690.

［68］MCMILLAN H K，HREINSSON E，CLARK M P，et al.Operational hydrological data assimilation with the recur?sive ensemble Kalman filter［J］.Hydrology&Earth System Sciences，2013，17（1）：21-38.

［69］MORADKHANI H，SOROOSHIAN S，GUPTA H V，et al.Dual state-parameter estimation of hydrological mod?els using ensemble Kalman filter［J］.Advances in Water Resources，2005，28（2）：135-147.

［70］ZHAO T T G，WANG Q J，BENNETT J C，et al.Quantifying predictive uncertainty of streamflow forecasts based on a Bayesian joint probability model［J］.Journal of Hydrology，2015，528：329-340.

［71］趙琳娜，劉瑩，黨皓飛，等 .集合數(shù)值預(yù)報(bào)在洪水預(yù)報(bào)中的應(yīng)用進(jìn)展［J］.應(yīng)用氣象學(xué)報(bào)，2014，6：641-653.

［72］BAO H J，ZHAO L N.Development and Application of an Atmospheric-Hydrologic-Hydraulic Flood Forecasting Model Driven by TIGGE Ensemble Forecasts［J］.Journal of Meteorological Research，2012，26（1）：93-102.

［73］XU J W，ZHANG W C，ZHENG Z Y，et al.Early Flood Warning for Linyi Watershed by the GRAPES/XXT Mod?el Using TIGGE Data［J］.Journal of Meteorological Research，2012，26（1）：103-111.

［74］吳娟，陸桂華，吳志勇.基于多模式降水集成的陸氣耦合洪水預(yù)報(bào)［J］.水文，2012，32（5）：1-6.

［75］SEO K W，WILSON C R，F(xiàn)AMIGLIETTI J S，et al.Terrestrial water mass load changes from Gravity Recovery and Climate Experiment（GRACE）［J］.Water Resources Research，2006，42（5）：173-180.

［76］BOGNER K，PAPPENBERGER F，THIELEN J，et al.Wavelet based error correction and predictive uncertainty of a hydrological forecasting system［J］.EGU General Assembly，2010，12：10245.

［77］姜迪，智海，趙琳娜，等.通用線性模型在氣象水文集合預(yù)報(bào)后處理中的應(yīng)用［J］.大氣科學(xué)學(xué)報(bào)，2014，37（2）：229-236.