受气候变化和城市化的影响,极端水文气象事件频繁发生,洪水成为了影响我国乃至全世界最主要、破坏性最严重的自然灾害,严重威胁着社会经济安全。加强洪水预测预警对于缓解洪水灾害有着重要意义,越来越受到人们的关注。得益于气象科学和计算机技术的发展,基于数值天气预报的水文集合预报成为了洪水预报的主要手段,并证实在洪水预警中发挥着重要作用。本文从TIGGE数据的适用性研究入手,耦合数值天气预报产品和VIC分布式水文模型构建集合洪水预报系统,以兰江流域和雅鲁藏布江流域为研究对象,分析了预报系统对洪峰、洪量、径流成分等的预报能力,论文主要工作和取得的成果如下:(1)采用CSGD-EMOS和QM统计方法对ECMWF、NCEP以及CMA的降水预报进行后处理,比较了处理前后降水预报在梅雨季和台风季的预报能力,同时评估了不同阈值降雨量的预报表现。结果显示ECMWF和NCEP的降水数据在衢江流域具有不相上下的预报技能,但ECMWF在台风季表现更好,NCEP更擅长对梅雨季降水的预测。三个EPS都存在对小雨事件的低估和对暴雨事件的漏报。原始降水预报的有效预见期约为8天,经偏差纠正后,预见期可延长至10天及以上。QM擅长对偏差的纠正,但却无法保证预报的可靠度,而CSGD-EMOS在概率指标的评估中略胜一筹。(2)利用MPICH和ε-NSGAII遗传算法对VIC模型进行自动化并行参数率定,并针对日径流(VIC/D)和POT峰值径流(VIC/P)分别建立模拟框架,再利用模块法对径流进行重组,耦合TIGGE预报数据在兰江流域进行集合洪水预报。发现优化的率定策略和模块组合方法可以显著提高模型精度,流域日径流NSE维持在0.8以上,POT峰值的NSE达到0.9。研究发现,ECMWF是多模型超级集合的主要贡献者,其对CRPSS的贡献率达到20%。不同的集合方法表现不同,等权重超级集合的表现最差,给予ECMWF更多权重的集合方法可以取得更高的技能得分。径流预报的有效预见期约为10天,对POT峰值的预报存在显著地低估。(3)采用POR法从ε-NSGAII解决方案的帕累托最优前沿上选取一定数量的优先解,再加上不同率定目标函数的特征解,来研究模型参数不确定性对洪水及其成分的预报影响。基于ECMWF和VIC模型构建了雅鲁藏布江流域集合洪水预报系统,采用融雪追踪算法进行水文分成。结果显示考虑参数不确定性的VIC模型(NVIC)可以显著提高模型的模拟能力,但在预报中的表现略不及基于单个参数的VIC模型(SVIC)。集合预报系统对于年最大洪水的预见期为10天,其中融雪径流成分的遇见期约为7天。每年的第一场洪水基本可以提前5天预测到。地表径流中的融雪成分是总径流预报误差的主要来源,而降水径流的良好预测效果是总径流预测结果的主要贡献者。(4)误差统计分析显示VIC模型在雅鲁藏布江流域的模拟误差存在显著的季节性和月尺度变化特征,其中夏季和冬季误差分布分别为均一的高估和低估,但在春秋两季则呈现出过渡型误差分布,这可能和模型对这两个季节内复杂的水文过程模拟不足有着直接关系。根据误差分析及其变化规律,构建了半年尺度(ERRIS-H)、季节尺度(ERRIS-S)和月尺度(ERRIS-M)时变误差模型。结果显示对于预测应用时变误差模型可以比非时变误差模型(ERRIS-A)提供更高的后处理效率,能够额外减少34%的CRPS,多提高23%的NSE。ERRIS-A甚至对原始模型输出存在负面影响。对于预报应用,时变误差模型依然以7%左右的优势领先ERRIS-A。时变误差模型的功效基本于模型尺度正相关,ERRIS-S和ERRIS-M在误差不存在季内分布时表现难分伯仲,当季内误差存在时,月尺度模型表现更好。