1.2 国内外研究进展
1.2.1 分布式水文模型研究进展
近年来，流域尺度的水文模型受到了研究人员广泛的应用。由于基于观测资料的经验统计方法常常平均了流域径流过程，因而概念性模型的应用受到了较大的限制。水文模式逐渐由最初的概念模型演变为近年来备受青睐的物理模型。与概念性（集总）模型不同的是，物理（半分布式、分布式）模型由于加入了水文物理过程，可有效利用多元输入数据（如：土地利用、土壤分布、数字高程模型DEM、河网、大气观测数据）。1969年，Freeze最早提出了流域分布式水文模型的概念和框架，之后伴随计算机编程技术、遥感及地理信息系统技术的快速发展，各类基于半分布或分布式的水文模型相继问世，如：HSPF（Hydrological Simulation Program-Fortran）模型、TOPMODEL（Topography Based Hydrological Model）模型、AGNPS（AGricultural Non-Point Source Pollution Model）模型、IHDM（Institute of Hydrology Distributed Model）模型、MIKE SHE（European Hydrological System）模型、Mcaro-PDM（Macro Probability Distribution Model）模型、SWMM（Storm Water Management Model）模型、HBV模型、HEC-HMS（Hydrologic Engineering Center）模型、SWAT（Soil and Water Assessment Tool）模型、SWIM（Soil and Water Integrated Model）模型等。其中较为具有代表性的模型有TOPMODEL模型、AGNPS模型、IHDM模型、MIKE SHE模型、SWAT模型和SWIM模型。
1979年，Beven开发了最早的分布式水文模型TOPMODEL，该模型的参数已经具备了一定物理属性，同时，该模型还可对无资料区的径流量进行模拟。AGNPS模型在20世纪80年代末由美国农业研究署开发，该模型研制目的是预测农业集水区非点源污染负载量，此外该模型还可持续模拟地表径流量，并在此基础上进行一定的风险评估工作。虽然该模式在流域风险评估上得到了如此广泛的应用，然而由于仅能应用于较小的流域（至多200km2），其推广受到了限制。1980年，英国水文研究所成功开发了一款名为IHDM的模型，该模型利用方程描述降水、地表径流和壤中流的关系，同时该模型还在流域划分过程中引入了数字高程模型（Digital Elevation Data Model，DEM）。1982年，由丹麦液压研究所、法国SOGREAH公司和英国水文研究所联合发布了基于水动力学的MIKE SHE模型，该模型是一款高级的水文模型，该模型可以模拟整个陆表剖面范围内的水文循环过程（从降水至河道径流过程），MIKE SHE还可应用于大尺度范围内各类土地利用（城镇、工业用地、灌区等）下的地表水和地下水耗用评估，及非点源污染的水质模拟。由于MIKE SHE模型引入了GIS模块，研究者可非常方便地进行流域尺度水循环、水资源环境评价、管理与规划等方面的研究。MIKE SHE模型是当今分布式模型中应用较为广泛且典型的模型之一。由于该模型对输入数据的精度要求较高，且模式仅能用于较小的流域，因此可用性受到了一定的限制。1985年，Mooors建立了Mcaro-PDM水文模型，不同于MIKE SHE模型的是，Mcaro-PDM模型是一个大尺度的流域分布式模型，模型既可以进行大尺度气候变化分析，还可以用来模拟大尺度流域生态水文过程，然而由于该模型降水空间分辨率较低（仅为0.5°×0.5°），因而在模拟径流过程中精度受到了部分影响。SWAT模型由20世纪90年代后期由美国农业部研究中心开发，该模式是以日步长为积分单位的半分布式模型。该模型最初是为了预测大尺度流域范围内，由土壤、土地利用、管理方式及气象驱动作用下的非点源负荷的影响。SWAT模型首先利用DEM及河网划分出自然子流域（subbasin），后又独创性地通过将每个子流域内的具有同一下垫面特性的（土地利用、土壤、管理方式）区域划分为同一种水文相应单元（Hydrological Response Unit）。由于SWAT模型可应用于较大区域，同时对输入数据要求不高，在模型问世后就得到了迅速发展。SWIM模型是继承了MATSALU模型和SWAT模型优点的半分布式水文模型，该模型可用于对大尺度流域（100～10000km2）水利、水质进行大中尺度管理。此外，该模型还集成了植被、侵蚀量、动态营养元素和水文等各类流域尺度要素。由于需要对较大流域进行处理，SWIM模型被设计在UNIX环境中运行。SWIM模型目前已经在包括德国Elbe流域在内的多个流域进行其水文、植被、营养元素输移及土壤侵蚀等模拟能力的验证。
我国学者在分布式水文模型领域研究起步较晚。20世纪90年代以来，随着国外众多主流分布式水文模型在我国的应用，适用于国内情况的分布式水文模型也得到较快的发展。我国学者贾仰文、杨大文、李兰、夏军、郭生练、王中根、雷晓辉等对我国分布式水文模型均开展了较好的研究与创新性的工作。
1996年，贾仰文等率先开发了WEP模型，该模型是基于正方形或长方形栅格的分布式水文模型，物理意义明确。栅格的特性使该模型可方便地接入卫星遥感数据，同时可利用GIS平台进行分析。该模型在强化植物热传导和耗水的同时，简化了土壤水在非饱和状态下的运输情况，该模型最大的特点是可以用于洪水预报下的连续长期运行。1998年，杨大文等开发了GBHM模型，该模型利用了宽度和面积函数概化了流域地表高程信息，同时将流域划分为均质的流条和流带，以满足其利用一维水分运动方程对降水和产流等过程进行描述。2000年，武汉大学李兰等提出了一款分布式水文模型，该模型由四个子模型构成，分别用来计算子流域产流、汇流、上游入流反演及河道洪水演进。同年，郭生练等提出了基于数字高程模型的流域分布式水文模型，该模型由于加入了数字高程栅格数据，可以在每个栅格上空间描述逐栅格内的各类剖面分量（如：蒸散量、截留量、下渗量及地表地下径流量等）的物理过程，同时利用高程信息表征地表径流间的分布情况。该模型最大的优点是仅需要优化下渗参数即可，剩余参数可通过历史学者研究结果或常规资料获取。2001年，郭生练等开发了一款基于月时间尺度的水量平衡模型，该模型基于GIS框架建立。虽然模型率定的参数较少，模型结构简单，但却具有较明确的物理意义的特点，该模型在无资料地区的校准及后期的应用均表现出较好的效果。2002年，俞鑫颖针对我国海拔较高的地区开发了加入融雪模块的雪雨混合水文模型，该模型是以栅格为基本单元的分布式水文模型，同时在空间上利用GIS加入了数字高程模型，以利于进行流域信息提取，并以网格为单元计算降雪（雨）、融雪（冰）、蒸发、产汇流等过程。模型由于考虑了融雪等模块，对融雪过程中相关参数的校准考虑较多。主要包括降雪阈值、温度垂直递减率、降雪观测、高程修正系数，融雪系数等。此外，模型还较多考虑了产流和汇流过程中的相关参数，主要包括坡面、壤中流及地下水系数、土壤蓄水容量指数、土壤张力水与自由水蓄水容量、河道粗糙、形态系数等。该模型通过对乌鲁木齐河近9年的融雪径流进行模拟验证，获得了很好的模拟结果。同年，由夏军开发了一款基于数字高程模型的时变增益的半分布式水文模型（DTVGM），该模式由于同时继承了水文非线性系统的概念性和物理性的特点，因而可以在资料不全的情况下进行物理式水文分析。
近年来，跨流域调水、防洪与调度在我国正有序开展着，为了有效地在非一致条件下进行实际的洪水与水资源预报、调度等管理，雷晓辉等开发了EasyDHM（Easy Distributed Hydrological Model）系列水文模型。该模型引入了数字高程模型的同时，还简化了建模过程，使得建模人员快捷地按照不同尺度进行建模工作。模型参数识别功能也得到改进。此外，模型还加入了多类水循环伴生过程的模拟模型，该模型又包括了水库调度、人为用水、水质和土壤侵蚀过程的模拟。该模型已先后在我国多个流域进行模拟验证并最终应用，取得了较好的效果。
1.2.2 陆气耦合模式研究进展
陆气耦合是指利用各类气候模式获得大气各类要素，并利用提前的预报要素强迫陆面水文模式，最终通过陆面水文相关要素提前获取陆面预报地表分量（如土壤湿度、土壤温度、蒸发等），并利用以上水文模型提前获取的要素反馈给气候模式，最终反馈气候模式中陆面的过程描述。对于模式耦合的方法，目前有单向与双向耦合两种。通常意义上指的耦合方式为单向耦合。陆气单向耦合是指气候模式单向驱动提供给陆面水文模式，此后不再接收后者的反馈信息（如反照率、相对湿度、降水及各类通量）。而双向耦合，即指数值天气模式（Numeric Weather Prediction，NWP）在驱动水文模式的同时一并接受陆面水文模式给予的反馈。单向耦合由于具有灵活性高、模型调试方便等特点，已经完全胜任了常规中短期的径流预报、洪水预报及调度工作，而这其中最重要的就是气候模式能否在有效预见期内为水文模式提供高精度降水。双向耦合在径流预报中的优点和缺点都很明显，其优点主要是物理意义明确，考虑了水文气象之间的相互作用机制；缺点主要表现为灵活性不高、调试困难，且水文模型运行受制于天气模式而速度较慢。
1999年，Yu等实现了中尺度气象预报模式MM5（5th Generation Penn State Mesoscale Meteorology Model）与水文模型系统HMS（Hydrological Model System）模型在Susquehanna集水区的洪水预报耦合模拟，并应用该耦合模式系统进行洪水预报，取得了较好的结果。2002年，Anderson等采用单向耦合系统，使用中尺度象预报模式MM5驱动水文模型系统HEC-HMS（the Hydrologic Engineering Center's Hydrologic Modeling System），利用MM5对Eta预报信息降尺度后驱动水文模型（HEC-HMS）对水库入库径流进行预报，使预见期延长了近48h，为水库调度提供了有效的预报信息，对提高水库防洪和兴利效益起到了非常重要的作用。2004年，陆桂华将加拿大中尺度大气模式MC2单向耦合新安江模型建立了淮河流域水文气象耦合模式（MC2-新安江），用于该流域的实时洪水预报和洪水预警。通过对2005年7月发生的淮河流域暴雨性洪水的验证后发现，耦合模式输出径流过程与实测过程吻合度较高，实用性较强，且可取得比传统洪水预报更长的预见期。2006年，Verbunt使用数值天气模式的预报结果驱动半分布式水文模型PREVAH（Precipitation Runoff Evapotranspiration HRU Model）在Rhine流域进行洪水预报。研究发现，耦合后的模型可极大提前洪水预见期，但数值天气预报的引入使洪水预报的空报率大大增加，这主要是由降水预报的误差造成的，而且这种误差在高降雨量级时更加明显。2009年，郭生练等利用数值气象模式MM5单向耦合VIC分布式水文模型，建立MMF-XAJ模式，该模式有效地利用了MM5预报的降水数据，成功为汉江流域中长期水文预报及水资源调控打下了基础。2012年，Zheng等基于新安江模型和TOPMODEL（TOPgraphy Based Hdrological MODEL）与GRAPES（Global/Regional Assimilation and Prediction Enhanced System）进行耦合，并且进行了72h的耦合模拟，发现模拟径流过程与实测过程在峰值和曲线走势上拟合程度较高，说明了耦合模式在洪水预报中具有较大的潜力。2013年，学者Gerhard曾针对Alpine流域，将高分辨率天气数值模式MM5数字气象模式与水文模型WaSiM-ETH（Water balance Simulation Model ETH）进行单向耦合，虽然数值天气预报模式（NWP）对降水量预报的低估导致耦合模拟的结果并不十分理想，但通过引入基于贝叶斯模式集合平均（Bayesian Model Averaging，BMA）的偏差订正程序可评估NWP。贝叶斯模式集合平均方法的使用增强了夏季降水量的预报准确性，同时提高了耦合模式径流预报的精度。对于在陆气耦合中，如何快速提高耦合式模型的精度问题，学者Jasper等给出了其研究成果。该团队将五个大气模型分别和水文模型（WaSIM-ETH）进行单向耦合，讨论了水文气象耦合模型在洪水预报中的应用，结果发现不同的大气模型的预报结果存在较大的差异，同时其认为在水文模型发展缓慢的情况下，耦合模型的改进主要依靠大气模型的进步来实现。
近年来，WRF模式（Weather Research and Forecasting Model）成为了发展最为迅速的中尺度大气模式，针对WRF模式的耦合应用也越来越多。2012年，郝春沣等采用单向耦合的方式，利用WRF模式驱动WEP（Water and Energy transfer Processes）分布式水文模型，构建渭河流域陆气耦合模拟平台，在此基础上对渭河流域2000年9月下旬至10月下旬的降雨和径流过程进行耦合模拟，并与实测降雨及径流日过程进行了对比分析，取得了满意的效果。2012年，高冰等采用新一代中尺度数值气象模式WRF耦合分布式水文模型GBHM（Geomorphology-Based Hydrological Model），选择长江流域为研究区，对三峡入库洪水进行了预报实验，预报的径流过程具有一定的精度，且陆气耦合的径流预报方法对径流预见期的延长效果是明显的。2012年，Dong-Sin Shih等人为了延长洪水预报预见期，将WRF模式与WASH123D（WAterSHed systems of 1-D stream river network、2-D overland regime和3-D subsurface media）分布式水文模型进行了单向耦合，该研究发现，经过“完美”率定的水文模型并不能很好地适应气象数据，依然会引起较大的预报误差。究其原因，一是WRF降水预报的准确性较低，二是验证数据和预报驱动数据的非一致性。2013年，Tang则验证了WRF模式与VIC（Variable Infiltration Capacity）的单向耦合在蒸发、土壤含水量、径流以及基流模拟预报中的有效性，结果显示WRF与VIC的单向耦合能够较好地还原月和日尺度的土壤含水量，以及月尺度的蒸散发，但日尺度以及月尺度的径流模拟则与实际情况不大相符，并指出这种误差主要来源于WRF的降水模拟。
通过对近年来国内外陆气耦合模式进展研究发现，简单灵活的单向耦合是流域洪水预报、调度较好的耦合方案。然而在非一致性条件下，水文观测数据及下垫面发生改变较大，气候与水文耦合模式如果不能很好地抓住异常要素（由非一致性条件带来的突变），则得到的结果自然不甚理想。通过对国内外近年来研究发现：在非一致性条件下，陆气模式耦合过程需利用各类手段（如：模式参数优化、模式集合预报等）以对提高气候、水文耦合模式最终预报精度。
1.2.3 非一致性条件下的气象水文集合预报
如前所述，受到全球气候变化及人类活动等影响，世界范围内水文序列均出现了非一致性状态，这将造成气象水文预报的精准度受到重大影响。在非一致性条件下，传统预报径流的方法已经由于假定的一致性而不能直接利用。如何在这种非一致性条件下提高气象水文的预报精度是困扰气象与水文人员的难题。
数值气象预报数据是驱动水文预报的重要原始数据，随着数值气象模式近百年的发展，在全球气候变化、人为活动影响下，气象数值预报表现出的误差日益凸显。研究人员发现：由“单一”的、在一致性条件下的数值气象预报很难再有更高水平的提高；此外，由“单一”具有确定性质的气象数值预报结果随着非一致条件的凸显而越加不稳定。我们知道，模式与初值的误差加上大气混沌特性均可以一定程度上影响数值气象预报的准确性。而实际上观测数据本身也会有误差，包括观测数据插值误差与仪器误差、资料同化误差等。以上处理后的模式初始场本身就具有误差，加之非一致性条件下的影响，最终导致大气模拟资料根本不可能完全与真实气象状态吻合。
此外，由于大气模式具有离散化特性，其预报误差将会随着数值模式积分长度的增长而不断增强。1969年，EPSTEIN提出了动力随机预报（Stochastic-Dynamic Process）的概念。自此以后，研究人员逐渐发现气象模式的随机性需要在预报中加以应用。人们通过长期业务与模拟实践后最终发现，解决这种非一致性条件下的气象模式模拟工作需要由单一的确定性预报转变为集合预报。从21世纪以来，随着气象集合预报的研究不断增多，水文集合预报作为水文预报的分支受到了各国气象水文研究人员的关注。在非一致性条件下，单一集合预报已经不能适应现有的实际情况，多个集合预报被逐渐引进到水文学科，并开展了一系列的水文洪水集合预报研究。
从水文角度来看，径流从产流、汇流到洪水的发生等一系列过程与地理、气象等因素存在复杂的动态关系，这其中涉及大量的各类物理、概念的参数及模型。除此之外，模型输入数据与真实数据存在着较大出入，在非一致条件下，以上误差使得模式的不确定性大大增强。大气水文预报由于初始条件（如气象模式参数或初始地表参数）、大气/水文模型本身结构，以及大气-水文耦合过程等多方面的因素均会产生一系列的误差，在非一致性条件下，该误差无疑将增大。如前文所提到的，由单一预报单元输出的结果由于大气模式本身模式误差、系统混沌及初始值误差等致使气象模式输出的降水、温度等众多要素存在很大的误差。集合预报相比单一数值预报来说，可以降低单一预报在同个时段内预报结果的不确定性，因而非一致性条件下，集合预报势在必行。
多年以来，各国研究人员利用集合预报技术开展了多模式与多成员的集合预报技术，有效提高了洪水预报中最重要的降水要素的预报精度。众多研究表明，集合预报可有效地延长洪水预报期。2009年，Burger等利用欧洲中期天气预报中心ECMWF（European Center for Medium-Range Weather Forecasting）集合预报模式获取了流域近十年的逐12h时段、预见期为5天的温度和降水预报数据，并利用该数据驱动水文模型，通过与研究区水文观测值拟合结果证明，集合后的预报可提高洪水有效预警期。为了减少类似于2002年发生在欧洲多瑙河和易北河严重的洪水事件，2003年，欧盟正式开展欧洲洪水预警模式，并于次年在英国召开了国际水文集合预报首届研讨会。2005年，在美国国家海洋和大气管理局NOAA（National Oceanic and Atmospheric Administration）主持下开发建立了首个集合预报技术的先进水文预报模式。2007年，我国学者李俊以湖南省山洪实例为研究对象，利用集合气象预报法开展了山洪预报研究，通过试验发现，利用集合预报法可模拟预测多类定量预报数据。2010年，我国学者鹏涛以湖北漳河为研究区，以暴雨气象模式AREM（Advanced Regional Eta Model）集合降水预报结果驱动新安江模型，对流域进行径流预报。研究发现，集合后的气象数值产品可很好地预报漳河流域在研究时段的更多数据信息，如：洪峰、流量大小及出现洪峰时间。2012年，我国学者吴娟利用加拿大球谱模型GEM（Global Environmental Multiscale Model）、加拿大气候模式MC2（Mesoscale Compressible Community Model）及中国气象局国家气象中心全球谱模式（T213L31）集合预报并驱动陆面模式，对淮河流域进行了暴雨的验证。研究发现，引入多模式集成后的降水数据驱动陆面模式可较好地解决非一致条件下气象模式误差，有效地提高耦合模式对洪水的预报精度。2012年，Bao等利用TIGGE驱动洪水预测模型，同时用集合预报中的多个成员分别预报降水并分别与洪水模型进行了单向耦合，并最终得到多个成员的洪水预报结果，该方法在概率上赢得了洪水预警的提前期，特别是流域水系较为繁杂的集水区，这种方法的优势更为突出。同年，Xu等通过对三个集合预报系统（NCEP、ECWMF、NMC）的降水数据利用全球/区域同化预报系统GRAPES（Global/Regional Assimilation and Prediction System）进行降尺度，并驱动单一水文模型对淮河下游的临沂集水区进行径流预报，发现该集合预报模式可有效地提前预警期。
为了减少集合后的预报系统内物理参数化与初始信息的误差，以及由资料同化和模式结构带来的不确定性，多个模式下的超级集合预报的水文径流预报在THORPEX（the Observing System Research and Predictability Experiment）的计划下于全球开展，其子计划TIGGR（THORPEX Interactive Grand Global Ensemble）由此正式开展。2009年，He开发了TIGGE驱动的大气/水文/水力模型。该模型是一个串联的概率模型，开发人员利用TIGGE驱动该串联模型后发现：随着传输作用，串联模型可以放大降水的误差。同时研究人员发现，对于中尺度流域来说，目前的集合预报模式可能因为分辨率与流域不匹配问题而造成模拟结果的较大误差，而减少水文与气象在该方面的误差需要进行降尺度或者改进集合模式分辨率等工作。2009年，欧洲中心ECWMF利用TIGGE驱动欧洲洪水预警模式EFAS（European Flood Awareness System），并结合了LISFLOOD对欧洲整体进行了10天、5km分辨率的洪水径流预报与预警，取得了令人满意的效果。2003年，De等将LISFLOODRR、欧洲中期天气预报集合系统LISFLOOD-EP合并入欧洲大尺度洪水预报系统EFAS，并最终得到了较为理想的结果，虽然个别成员具有径流低估现象。
集合预报很大程度上减少了气象模式输出误差，然而由于集合输出结果需要进行后处理，处理完成以后才将气候模式预报的输出作为水文模式的输入数据，因而，后处理技术应该是集合预报中较为重要的研究内容。然而，前、后处理技术当前仍处于探索阶段。国内外在水文集合方面的前、后处理工作到目前为止积累了较多方案，例如：模式输出统计法、本层次模型法、贝叶斯法、几何平均法等。同样，径流模型在得到气候模式后处理以后的数据还需要一次水文集合自身的后处理。这是因为我们需要利用历史径流的观测数据和模式模拟结果进行回归统计分析，也就是获取与水文预报结果相对应的径流观测条件概率密度函数。有很多方法可用来进行水文集合后处理。例如：2006年，Seo提出了利用一个简化的后处理器对集合预报系统水文要素进行后处理，目前已经在美国各气象单位广泛使用；2007年，Bogner利用小波变换结合状态空间模式，开发了径流的观测、模拟误差分析系统，同时采用贝叶斯方法设计了后处理方法，有效地减少了径流预报误差；2014年，我国学者姜迪利用通用线性模型GLM（Generalized Linear Model）校准了水文集合结果，并发现通用线性模型可以有效地对水文集合结果进行后处理并减少模式模拟误差。
截至今日，全世界范围内使用集合预报对水文进行业务化的国家仍较少，仅有部分国家的气象部门在业务评估上使用该方法。这其中有很多客观要素，如：技术、文化、科技。此外，由于集合预报需要处理由气候数值预报前期产生的大量数据，更需加强研究人员之间的协同工作能力，以上各种因素等限制了集合预报方法在世界范围内的应用，虽然该方法可明显提高有洪水效预见期。集合预报已经成为当前在非一致条件下提高水文预报精度最有成效的方法之一。