全球变暖在不同时空尺度上改变着大气环流过程,进而改变包括流域径流在内的水循环过程。研究气候变化对流域径流的影响已成为国际社会广泛关注的重要议题。气候模式输出变量的偏差校正方法作为连接气候模式输出与水文模型输入的重要纽带,被广泛应用于评估气候变化对流域径流的影响。传统的偏差校正方法一般基于气候模式输出变量（如降水和气温）偏差一致性的假设,即假定历史和未来时段气候模式输出变量具有相同的偏差,通过在历史时段估算气候模式输出变量的偏差,然后在未来时段予以去除。然而随着气候变化研究的深入,偏差一致性的假设受到了广泛的质疑。因此,本论文选取了渭河、汉江、湘江和东江流域为研究区域,对气候模式输出变量偏差的非一致性进行检验和成因分析,建立了以气候内部变率为基准的偏差校正评价方法,提出了一种考虑非一致性的偏差校正方法,并在此基础上进一步研究了偏差的非一致性在径流响应中的传播,评估了考虑非一致性的偏差校正方法在径流响应评估中的表现。本论文的主要内容和结论如下:（1）基于历史观测数据和基于气候模式输出数据,在历史和未来时段分别检验了全球气候模式（GCM）输出变量（降水、最高和最低气温）偏差的非一致性。结果显示,GCM模拟的降水、最高和最低气温与观测值之间存在较大偏差,且GCM输出变量的偏差具有非一致性。其中,降水偏差的非一致性随时间变化较小,而最高和最低气温偏差的非一致性在未来时段变化的幅度增大了2倍以上。（2）在检验气候模式输出变量偏差非一致性的基础上,分析了气候内部变率（即气候系统内部自然存在的气候波动）和气候模式敏感性（即不同气候模式对同一温室气体排放情景的不同响应）对其产生的影响,并进一步分析了两者引起的偏差非一致性对偏差校正结果的影响。结果表明,气候内部变率和气候模式敏感性均能导致降水、最高和最低气温的偏差发生明显变化,从而导致偏差校正方法在检验期的效果明显差于率定期。对降水而言,气候内部变率所引起的偏差非一致性在湘江和汉江流域甚至导致偏差校正后的结果差于偏差校正前的结果;气候模式敏感性也具有相似的影响。对最高和最低气温而言,气候内部变率所引起的偏差非一致性对偏差校正结果影响较小;但气候模式敏感性影响较大,偏差校正方法无法有效降低GCM输出气温的偏差。（3）建立以气候内部变率为基准的偏差校正评价方法,采用残留偏差指标定量评价了传统偏差校正方法在历史和未来时段的偏差校正结果。该评价方法的理论依据是:当校正值与观测值之间的偏差（即残留偏差）在气候内部变率范围内,则认为偏差校正达到了预期效果;反之,则认为偏差校正不能很好的消除气候模式输出变量的偏差。同时,分别通过4个GCM多成员集合估算了气候内部变率,进而分析气候内部变率的不确定性对偏差校正评价结果的影响。结果表明,在历史时段,传统的偏差校正方法能够有效的降低GCM输出变量的偏差,使得残留偏差在气候内部变率范围内。在未来时段,偏差校正方法仅仅在一定程度上降低了GCM输出变量的偏差。虽然气候内部变率具有明显的不确定性,但残留偏差依然可能大于气候内部变率。（4）在考虑气候模式敏感性所引起的偏差非一致性的基础上,提出了一种考虑非一致性的偏差校正方法。该方法通过建立GCM输出变量的偏差与模拟值之间的函数关系,估算未来时段的偏差。本文分别采用一阶线性方程和二阶非线性方程拟合了GCM各月降水的偏差与模拟值之间的函数关系,预测各流域GCM模拟的未来降水偏差变化规律。结果表明,一阶线性方程和二阶非线性方程均能较好的拟合GCMs月降水的偏差与模拟值之间的相关关系,其中,后者略优于前者。在未来时段,采用基于非一致性的偏差校正方法有效的削弱了偏差非一致性对降水变化信号产生的影响,同时也有效的降低了GCM对降水预测的不确定性。（5）在渭河、汉江、湘江和东江流域建立了GR4J-6集总式水文模型,将降水、最高和最低气温等气象数据输入到水文模型中,首先,分析了气候内部变率和气候模式敏感性引起的偏差非一致性在水文过程中的传播特性。结果表明,气候模式模拟的降水和气温偏差的非一致性传播到水文过程中,使得模拟径流偏差也具有非一致性。对基于校正气象数据模拟的径流而言,气候内部变率引起的偏差非一致性对其影响较小,而气候模式敏感性引起的偏差非一致性会导致模拟径流偏差显著增大。其次,基于气候内部变率所引起的径流变率,评价了气象数据偏差校正后模拟的径流在历史和未来时段的表现。结果表明,传统偏差校正方法在率定期的校正结果所模拟径流的残留偏差在径流变率内。在历史检验期,传统偏差校正方法在整体上有效降低了GCMs数据所模拟径流的偏差;在未来检验期,传统偏差校正方法可以在一定程度上降低GCMs数据所模拟径流的偏差,但径流残留偏差依然较大。最后,基于考虑非一致性的偏差校正方法,通过与水文模型相结合,研究了气候变化对流域径流的影响及其不确定性。结果表明,在未来时段,径流整体呈现下降趋势,同时考虑非一致性的偏差校正方法能够有效降低GCMs对径流预测的不确定性。