洪水的发生对人类生产生活造成极大的危害,我国有着洪水频繁发生的特点,防洪一直是人们面临的重大问题。随着科学技术的发展,洪水预报技术成为防洪的重要手段,水文模型则是进行洪水预报的主要工具。为了高精度地模拟河流断面的径流过程,必须要获得准确的水文模型参数。尽管使用长系列水文资料进行参数率定或者进行实地测量提供了获得参数的可靠方法,但例如流域下垫面变化、缺乏水文气象数据等原因会影响得到的参数的准确性。实时参数估计方法有助于解决上述问题。过去的研究显示集合卡尔曼滤波比最小二乘法、变分法等其他常用参数估计方法有着更高的精度。本研究选取现阶段卡尔曼滤波在水文模型中最常用的改进型:联合状态向量集合卡尔曼滤波进行水文模型的参数估计。本文首先基于参数全局敏感性分析结果,选取5个有代表性的新安江模型参数,对集合卡尔曼滤波在水文模型中进行参数估计时展现的规律进行了分析,同时也评估了集合卡尔曼滤波应用于水文模型的适用性和实用性,包括在单参数情形下和多参数情形下研究了参数初始集合的分布和参数在模型中不同的作用对参数估计过程的影响、在多参数情形下研究了参数间的相互影响对不同参数参数估计过程的影响、采用数值模拟的方法通过在不同条件下滤波算法是否能找到正确的参数值判断它在水文模型中的适用性、在不同的预报情景下通过进行参数估计后是否能提升锦江流域的预报效果判断它在水文模型中的实用性。现阶段集合卡尔曼滤波在分布式水文模型中的实用性研究还比较少,本文基于新安江模型的研究结果和WetSpa模型参数全局敏感性分析,选取3个WetSpa模型参数,通过设定不同的预报情景在中国赣江流域的小锦江流域进行了它在水文模型中的实用性的研究。单参数估计情形下的数值模拟结果表明通过参数率定来确定初始分布均值能提高参数估计效率,而参数的初始集合的分布的方差取怎样的值对参数集合达到稳定状态最有利取决于集合均值与参数真实值的距离,其次某时刻的参数不仅影响该时刻的流量还影响其他时刻流量的现象对参数估计过程产生负面影响。多参数估计情形下的数值模拟结果表明估计过程中参数间存在互相干扰,干扰的程度与待估参数的敏感性和单参数估计情形下达到稳定状态需要的时间有关,且单参数估计情形下的部分结论不再适用。综合数值模拟结果认为集合卡尔曼滤波方法在水文模型中具有适用性。新安江模型和WetSpa模型在锦江流域的应用显示集合卡尔曼滤波在水文模型总具有广泛的实用性,且能够提升由于下垫面变化和缺乏水文气象数据导致的径流模拟精度下降的流域的洪水预报精度。