降水和蒸发是洪水模拟中非常关键的输入数据。当前降水和蒸发的测量方法主要有地面站点观测和遥感观测两种。一般来说地面测站观测精度较高,但是只能获取点尺度上的数据,难以完整地反映降雨和蒸发的空间分布。而遥感观测,可以获得面尺度上的数据。但遥感观测仍存在不确定性较高、时空尺度不匹配等问题需要克服。论文以三江平原七星流域为研究区域,利用多元线性回归和地理加权回归两种方法对热带降雨观测计划数据(Tropicalrainfall measuringmission,TRMM)进行了降尺度校正,结果表明地理加权回归校正效果较优,可降低校正降水与实测降水系列平均相对偏差,提高相关系数;而多元线性回归校正,平均相对偏差和相关系数两项指标均有改善。分别利用卡尔曼滤波(KF)和集合卡尔曼滤波(EnKF)根据参证站(宝清站)的实测蒸发数据对七星河流域的遥感蒸散发数据进行同化处理,并将同化后的遥感蒸散发数据输入到半分布式水文模型中进行洪水模拟。研究结果表明,遥感蒸散发数据能够为无地面蒸发测站的地区提供有效蒸散发数据。为了更好的利用面雨量和面蒸发数据,参考新安江模型构建基于蓄满产流的半分布式水文模型(Semi-distributed Hydrological Model Based on Full Storage Runoff,SHMSR)。结果表明该模型能适用于黑龙江省七星河流域的洪水模拟。对比使用雨量站数据和降尺度校正后的TRMM数据的洪水模拟结果,发现使用降尺度校正后的TRMM数据能够提高洪水模拟的精度。对比使用临近蒸发站蒸发数据和同化后的遥感蒸散发数据的洪水模拟结果,发现使用同化后的遥感蒸散发数据能提高洪水模拟精度。同时,将推理公式进行栅格化,并选取了 10场洪水资料用于模拟,结果表明栅格推理公式模型能模拟较大流域的单峰洪水过程。