流域水文模型,作为研究流域水文过程的重要工具,在水资源规划管理和水文预报等领域起着不可或缺的作用。受降水和下垫面空间异质性等因素的影响,水文过程表现出高度复杂的非线性特征,增加了水文建模的难度,影响了水文预报精度。本文通过研究降雨和下垫面空间异质性的表述方法,提出一套融合产流和汇流空间异质性的水文模型,进一步提高洪水预报精度,提升对流域产汇流现象的认知水平。本文主要成果和结论如下:（1）考虑降雨空间分布对动态临界雨量指标推求的影响,提出了流域降雨空间异质性指数。通过结合泰森多边形和等流时面,提出了一种反映降雨空间分布不均匀性的指标,即降雨空间异质性指数。基于支持向量机的分类原理,将提出的指标用于构建中小河流洪水致灾临界平面方程,推求洪水动态临界雨量。应用结果表明,降雨空间异质性指数可以定量表述降雨的空间分布特征,采用该指标推求的临界雨量相当于间接考虑了流域的调蓄作用,能实现更高精度的洪水预警。（2）考虑降雨强度和空间分布对流域汇流过程的影响,提出了一种基于降雨空间异质性指数的时变汇流单位线方法。选取流域面均降雨量和降雨空间异质性指数作为反映汇流模型参数的解释变量,构建了模型参数与解释变量的回归方程,提出了一种时变汇流单位线方法。结合新安江模型的产汇流计算过程,建立了时变汇流新安江模型。应用结果表明,时变汇流新安江模型能够提高更好的模拟洪水过程,对洪峰的模拟精度有一定程度提高。（3）考虑流域产流和汇流在空间尺度上的一致性,创立了等容瞬时单位线的概念。通过Copula函数构造蓄水容量与汇流时间的相关性结构,借以条件概率的形式实现产汇流过程在概率上的空间离散,从而提出一种新的描述产汇流过程空间异质性的空间离散方式—概率离散,即以条件概率的形式计算各离散蓄水容量处产流量的汇流过程,最后得出整个流域的出口流量过程。应用表明,该模型可以实现流域在产汇流过程空间异质性的统一,在部分流域有较强的适用性。（4）针对传统水文模型及神经网络模型多步预测精度较低的问题,建立了一种考虑降雨时空分布的ForecastNet机器学习模型。通过考虑时空分布不均的降雨及其他预报因子,构建了具有时变结构ForecastNet机器学习模型,并进一步建立了雅江上游流域不同预见期的日尺度预测模型。与传统的水文模型SWAT相比,ForecastNet模型能够较好的提取预报因子相关信息,进一步挖掘时间序列的组成特性,有效提高径流模拟的精度;与其他神经网络模型相比,能够利用其时变特性提高长预见期的预测精度和稳定性。