主要成果:
该研究方向以自主开发的流域分布式水文模型为基础，研究内容主要包括流域水文循环过程的模拟，水文预报，水文模拟的不确定性等。在模拟结果的基础上，还开展气候变化和人类活动对水文循环的影响评估、未来气候情景下水文循环过程的预测等研究。另外，以分布式水文模型为基础，进行了水量-水质模型的耦合、水文模型和遥感数据的同化方法、水文模型与陆面过程模型的耦合、雷达降雨数据在水文模拟中的应用等研究。
一、流域水文循环模拟
以汉江流域丹江口水库上游作为研究区域，利用DEM 以及遥感地理信息数据，构建了基于流域地形地貌的分布式水文模型GBHM，并且对研究区域内的6 个干流站以及3 个支流站的日径流过程进行了率定和验证。结果表明，GBHM 模型对日径流过程具有足够高的模拟精度。
汉江流域径流模拟
日径流过程
二、水文模拟的不确定性分析
分布式水文模型的考虑输入不确定性的率定是重要而富有挑战性的，我们在赣江中游的遂川江流域进行了相关研究。我们发展了贝叶斯模型，将其用于估计基于地貌学的分布式水文模型（GBHM）的参数。我们把实测径流数据划分为基流数据和洪水数据，用一阶自回归模型描述数据的时间自相关性。我们用潜在变量反映空间分布的降雨相对误差，并将它们与GBHM模型参数进行联合估计。参数和输入误差的联合后验分布通过马尔可夫链蒙特卡洛方法来采样，包括Metropolis-Hastings、delay rejection adaptive Metropolis和Gibbs等方法。我们用合成数据和实际数据检验了该方法。合成数据试验结果表明该方法能够有效地估计GBHM模型参数和其不确定性。实际数据试验结果表明该方法给出了合理的洪水时段预报不确定性，但对洪峰及其不确定性有所低估。联合估计输入不确定性和水文模型参数得到了比只率定参数更低的CRPS值，以及与实测数据更一致的预报不确定性。我们发现了输入误差估计值的空间负相关关系，说明改进对分布式模型输入不确定性的估计还需要更多的空间信息。本研究所发展的贝叶斯方法具有灵活的结构，可以用于其它分布式洪水预报模型的率定。
率定期径流不确定性区间
三、雷达降雨在分布式水文模型中的应用
