21世纪以来,气候变暖加剧,极端水文灾害频发,给人民生命财产安全带来极大威胁,因此改进洪水预报成为水文气象研究的重点任务。随着集合数值天气预报的发展,集合降水预报能够提供给水文预报更多的不确定信息,在流域水文预报当中发挥着越来越重要的作用。美国国家环境预报中心（NCEP）全球集合预报系统（GEFS）历史回算大数据（reforecast）具有较长的时间长度以及较为稳定的系统误差,在水文气象预报上具有很大的应用潜力。基于上述研究背景,本论文拟采用两种降水订正方法,在提高GEFS reforecast集合降水预报精度的基础上,利用VIC（Variable Infiltration Capacity）分布式水文模型进行淮河流域2000-2010年夏季径流模拟,以期提高流域径流预报能力。本论文首先对GEFS reforecast集合降水预报能力和径流模拟能力进行了分析。结果表明,集合预报降水普遍低估流域降水且存在空间分布误差,导致利用该降水预报驱动水文模型的径流模拟结果低估径流峰值。基于对原始降水预报的误差分析,利用频率拟合法和历史相似法,针对GEFS reforecast数据在降水量级和空间分布上的误差做了偏差订正。频率拟合法是基于观测降水和预报降水的累计频率曲线进行订正的方法;历史相似法是基于寻找历史相似预报降水,用当日观测降水代替预报降水的方法。直接应用历史相似法的偏差订正效果不显著,本论文针对径流预报对流域面雨量较为敏感的特性,对历史相似法的寻找历史相似预报的标准进行了改进。降水订正结果表明,频率拟合法对集合平均降水改进效果显著,而历史相似法对概率降水预报的能力提升明显。频率拟合法在1-8天预报时效内有效改进了中雨与暴雨预报能力。而历史相似法改善了主要降水阈值和1-8天预报时效的概率降水预报,但对集合平均降水的改进效果有限。进一步对2天预报时效的结果分析发现,历史相似法的主要优势是能够改进降水预报的空间分布并提高集合成员离散度,从而改进了降水预报能力。径流模拟结果表明,用订正后的降水预报驱动水文模型得到的径流预报能够更接近观测径流。历史相似法订正后的降水预报能有效改善1-5天预报时效内的径流模拟结果,其中对2-3天预报时效的径流改善效果最为显著。而频率拟合法仅对预报时效2天的径流预报有所改善。为研究极端降水订正和洪涝预报的效果,本论文针对2003年夏季极端暴雨致洪个例进行预报。结果表明,集合平均对于大降水落区位置的预报能力有限,而通过集合预报概率信息进行降水极值落区判定则更为有效。同时,历史相似法订正后的径流集合成员具有离散度大的特点,因此获得较高的径流极值覆盖能力,并改善了极端洪水的预报技巧。以上研究表明,频率拟合法对降水集合平均量级改进显著,且对小径流事件预报具有一定的改善能力。而历史相似法可以提高降水集合成员离散度,同时由于包含更高分辨率的历史观测信息,实现了降水预报的空间降尺度;因此,基于历史相似法订正的集合降水预报能改进降水概率预报,从而改善夏季径流模拟结果,并提高了极端洪水的预报预警能力。综上所述,历史回算大数据（reforecast）集合预报对改善降水预报和径流预报均有一定的业务应用价值。