在全球变暖的大背景下，随着人类社会的不断发展和进步，由气象灾害造成的人身和财产损失在世界各国都越来越严重，因此对造成气象灾害的极端气候事件的关注度越来越高。从上世纪末开始，对这一领域的研究引起了世界各国科学家的广泛兴趣。检测极端气候事件在过去的变化趋势成为研究的首要切入点。随着平均温度在全球范围内的升高，极端温度的变化与全球增暖的趋势特征相符。由于影响降水的物理和气候过程更为复杂，所以降水的趋势在世界各地较为复杂，极端降水的趋势与平均降水的变化不同步，在世界各地的区域差异性较大。同时受趋势可检测性的限制，极端降水的变化趋势较难估计。极端流量往往会导致洪涝灾害的发生，它与极端降水关系密切，而二者在概率分布上的异同的研究比较有限。相对于非参数化的方法，参数化的方法在风险的评估、未来风险的预估、以及随机变量变化趋势的检测方面有其突出的优势。本文运用近年来发展较为迅速的广义帕累托分布(GPD)函数，对极端降水和极端流量进行了概率函数拟合。同时把广义线性回归的方法运用到这一概率分布函数上，来估计极端事件在过去的变化趋势。为检测趋势场的显著性，提出了一种估算二维Hurst系数H2的算法，并以此为统计量，用蒙特卡洛检验的方法对趋势场的显著性进行了检验。　　 长江中下游、淮河流域、黄河中下游以及海河流域，是中国的一个重要区域，也是暴雨和洪涝灾害的多发地区。通过广义帕累托分布函数拟合的方法，显示出这一地区由于受梅雨降水的影响，极端降水的强度明显地强于西北部的河套平原和内蒙古地区。同时，极端降水的概率分布函数在长江中下游分布较为集中，之后是淮河下游和黄河下游以及海河流域，而淮河上游分布最为分散，即其概率密度函数的右侧尾部最平缓。意味着，相对于其他地方，淮河上游发生更极端的降水事件的概率会更大，随着再现期的延长，这一地区的回归水平会更快的增大，从而为水利工程标准和政策的制定提出了更高的要求。趋势估计的结果显示，极端降水的强度在长江中下游，尤其是洞庭湖和鄱阳湖及其之间的地区，存在正的趋势，而在黄河下游和海河流域存在负的趋势，淮河流域为微小的正负趋势混合同时存在，整体趋势不明显。这一趋势场的Hurst系数为0.840，通过了显著性水平为0.05的显著性检验。　　 通过对淮河流域各气象站极端月降水和水文站极端月流量进行GPD函数拟合，分析比较了二者的拟合参数的空间分布和数值变化关系。指出淮河流域极端月降水的概率函数特征在整个区域上具有相似性，而极端月流量的特征在流域上游和中游存在一定差异。同时发现，淮河流域天然河道与水利工程可以调整自然水文循环的过程，在区域尺度上可以降低极端降水事件引发河流洪涝灾害的风险。这一作用在上游表现更为显著，往下游随着流域面积的不断扩大，这一作用逐渐减弱，极端月流量事件发生的风险趋近于极端月降水事件发生的风险。这一结论对于认识淮河流域天然河道与水利设施在淮河治理中的作用，以及规划淮河流域洪涝的治理方面具有重要意义。