流域水文模型作为水文学研究的重要工具广泛地应用于多种尺度及类型的流域中,以研究自然界中的水文循环过程。水文模型普遍采用相对简单的数学公式及参数概念化地表征水文过程特点,从而实现在研究中模拟该过程目的。然而,山于水文模型的结构特点,在实际应用过程中通常存在着大量的不确定性,这些不确定性通常来源于模型结构、模型参数、输入数据等方面,对模型径流模拟效果产生或多或少的影响。因此,有必要对模型应用过程中的参数及输入数据不确定性进一步的研究,以改进水文模型的模拟能力,提高水文模型的应用价值。本研究开发了一系列方法对水文模型参数及输入数据（土地利用和气象数据）的径流过程影响进行分析,并以中亚阿姆河上游流域为研究区域,构建SWAT（Soil and Water Assessment Tool）分布式水文模型,探究了影响研究区域的径流过程改变的主要因子,为该地区流域径流过程精确模拟提供一定的科学依据。针对SWAT模型中参数不确定性影响,运用传统 LH-OAT（Latin Hypercube One-at-a-time）及序列不确定性分析（Sequential Uncertainty Fitting-2,SUFI-2）算法对模型参数敏感性及不确定性进行分析,同时比较了混沌多项式展开（Polynomial Chaos Expansion,PCE）法与SUFI-2算法的参数不确定性分析能力,将PCE与随机森林（Random Forest,RF）算法耦合开发了PCE-RF法,以更快的运行速度和更少的运算资源消耗扩展了该方法在未来时期的径流模拟预测能力。结果表明:（1）SWAT模型参数中,积雪、融雪相关的模型参数较为敏感,该结果符合研究区域冰川和积雪融水补给的产流机制;（2）基于SUFI-2法校准后的SWAT模型在阿姆河上游流域适用性较好,参数不确定性范围较小;（3）PCE-RF方法在计算时间和资源更少的情况下,能获得与SUFI-2法相似的参数不确定性分析及径流模拟预测结果。针对SWAT模型中输入数据（土地利用和气象数据）不确定性影响,开发了考虑多个气候和土地利用改变情景下的流域径流集合预报技术（MESF）。在MESF中,使用CA-Markov模型和多个GCMs来模拟和研究了涉及未来土地利用和气候变化的多个场景,并将不同土地利用和气候条件作为模型输入数据分析河流径流变化,最终对各情景下的径流预测结果进行对比分析,揭示影响水文过程的关键因素。主要发现如下:（1）与基准期（1957-1986年）相比,2021-2050年的年平均降雨量和温度预计分别增加66.99mm 和 2.37℃,而年平均流量将减少 21.05-72.71m3/s,具体范围在 244.32-295.98m3/s内;（2）土地利用变化对径流的影响较小,气候变化是未来径流变化的主要影响因素,贡献率为78.76%至98.66%;（3）在所有土地利用变化因子中,山气候变暖引发的冰川融化、面积减少是最突出的径流影响因素;（4）由于平均气温升高和融雪速度加快,年内的峰值流量有从夏季转向春季的趋势。