水文预报存在由模型输入、初始与边界条件、模型参数与结构等因素带来的不确定性，这些不确定性的存在给基于模型输出结果而得出的预报带来预报均值和区间的偏差，在发布最终水文预报前我们必须要消掉这些偏差，统计水文气象后处理器是对水文气象模型直接输出结果进行后处理、从而达到消掉预报偏差的一个有效方法。本文简单介绍两个实用的统计后处理方法：1)对降水或气温集合预报进行后处理的集合预报处理器(Ensemble Pre-Processor)；2)适合于径流预报后处理的广义线性模型方法(Generalized Linear Model)，并将这些方法在我国淮河流域和美国French Broad河流域进行展示。研究结果表明，统计后处理方法能够很大程度提高原始降水与水文预报的精度，一个很有意义的结果是统计后处理改善原始水文预报的程度与水文模型参数率定对原始水文预报的改善程度相当，这意味着在受人类活动影响很大而不能率定水文模型的情况下，水文统计后处理方法能够起到模型率定相同的效果。