| 中文摘要 | 第6-9页 |
| abstract | 第9-10页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究的背景及意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 本文研究的意义 | 第14-15页 |
| 1.2 国内外研究进展 | 第15-18页 |
| 1.2.1 水文模型参数不确定性研究 | 第15-16页 |
| 1.2.2 气候变化的不确定性研究 | 第16-17页 |
| 1.2.3 下垫面的不确定性研究 | 第17-18页 |
| 1.3 本文的主要内容 | 第18-20页 |
| 2 研究区域及工具 | 第20-29页 |
| 2.1 渭河流域概况 | 第20-21页 |
| 2.1.1 自然地理概况 | 第20-21页 |
| 2.1.2 土壤植被 | 第21页 |
| 2.1.3 水文气象特征 | 第21页 |
| 2.2 基本资料 | 第21-23页 |
| 2.2.1 流域水文分区 | 第21-22页 |
| 2.2.2 气象资料 | 第22页 |
| 2.2.3 径流资料 | 第22页 |
| 2.2.4 下垫面资料 | 第22-23页 |
| 2.3 VIC模型简介 | 第23-28页 |
| 2.3.1 VIC模型概述 | 第23页 |
| 2.3.2 VIC模型产流数据准备 | 第23-25页 |
| 2.3.3 VIC模型汇流程序 | 第25-27页 |
| 2.3.4 VIC模型参数率定 | 第27页 |
| 2.3.5 VIC模型输出结果 | 第27-28页 |
| 2.4 本章小节 | 第28-29页 |
| 3 流域径流确定性分析 | 第29-53页 |
| 3.1 径流平均值 | 第29-31页 |
| 3.1.1 各站径流月平均值 | 第29页 |
| 3.1.2 各站径流多年平均值 | 第29-30页 |
| 3.1.3 各站径流代际平均值 | 第30-31页 |
| 3.2 数字特征值 | 第31-35页 |
| 3.3 相关性分析 | 第35-37页 |
| 3.4 周期性分析 | 第37-41页 |
| 3.4.1 渭河干流周期性分析 | 第38-40页 |
| 3.4.2 渭河支流周期性分析 | 第40-41页 |
| 3.5 径流丰枯预测 | 第41-45页 |
| 3.6 径流趋势性分析 | 第45-46页 |
| 3.7 径流变异点分析 | 第46-48页 |
| 3.8 径流一致性分析 | 第48-52页 |
| 3.9 本章小节 | 第52-53页 |
| 4 水文模型参数最优解的不确定性问题 | 第53-89页 |
| 4.1 第一类问题的数学描述 | 第53-57页 |
| 4.1.1 线性参数水文模型 | 第54-55页 |
| 4.1.2 非线性参数的水文模型 | 第55-57页 |
| 4.2 非线性模型第一类参数不确定性问题实质 | 第57-60页 |
| 4.2.1 凸函数及判断 | 第57-58页 |
| 4.2.2 非凸函数及判断 | 第58页 |
| 4.2.3 响应曲面法试验验证 | 第58-60页 |
| 4.3 基于VIC模型的第一类参数不确定性 | 第60-68页 |
| 4.3.1 VIC需率定参数线性/非线性判断 | 第60-62页 |
| 4.3.2 VIC模型目标函数 | 第62-63页 |
| 4.3.3 目标函数凸/非凸性判断 | 第63-68页 |
| 4.4 VIC模型第一类参数不确定性问题的解 | 第68-87页 |
| 4.4.1 问题与算法 | 第68-69页 |
| 4.4.2 均匀设计法及其原理 | 第69-73页 |
| 4.4.3 均匀设计方案应用 | 第73-87页 |
| 4.5 本章小节 | 第87-89页 |
| 5 水文模型参数最优分布区间的不确定性 | 第89-110页 |
| 5.1 第二类问题数学描述 | 第89-91页 |
| 5.2 第二类问题的传统求解方法 | 第91-93页 |
| 5.2.1 GULE方法 | 第91-92页 |
| 5.2.2 Copule-GULE方法 | 第92页 |
| 5.2.3 传统方法的局限性 | 第92-93页 |
| 5.3 信息扩散分布原理在第二类问题中的应用 | 第93-105页 |
| 5.3.1 信息扩散分布原理 | 第93-94页 |
| 5.3.2 构建小样本信息库 | 第94-97页 |
| 5.3.3 基于小样本的经典概率分布 | 第97-100页 |
| 5.3.4 基于小样本的信息分布 | 第100-105页 |
| 5.4 基于参数最优分布区间的模型结构不确定性讨论 | 第105-108页 |
| 5.5 本章小节 | 第108-110页 |
| 6 模型上边界条件输入数据的不确定性 | 第110-144页 |
| 6.1 气候模式和情景的选择 | 第111-116页 |
| 6.1.1 气候情景不确定性及其来源 | 第111-112页 |
| 6.1.2 基于CO2排放量的情景选择 | 第112-116页 |
| 6.2 数据处理方法 | 第116-121页 |
| 6.2.1 基于统计降尺度方法的气象数据重构 | 第116-118页 |
| 6.2.2 基于变化因子降尺度方法的气象数据重构 | 第118-119页 |
| 6.2.3 基于改进变化因子降尺度方法的气象数据重构 | 第119-121页 |
| 6.3 变化因子降尺度法方法内比较 | 第121-132页 |
| 6.3.1 Delta方法与Delta-DCSI方法生成气候要素对比 | 第121-129页 |
| 6.3.2 Delta方法与Delta-DCSI方法生成径流对比 | 第129-132页 |
| 6.4 上边界条件不确定性结果分析 | 第132-143页 |
| 6.4.1 CanESM2模式结果分析 | 第132-135页 |
| 6.4.2 BBC模式结果分析 | 第135-138页 |
| 6.4.3 MIROC-ESM模式结果分析 | 第138-143页 |
| 6.5 本章小节 | 第143-144页 |
| 7 模型下边界条件输入数据的不确定性 | 第144-161页 |
| 7.1 Holdridge的生命地带分类方法 | 第144-145页 |
| 7.2 基于Holdridge方法的植被数据重构 | 第145-146页 |
| 7.3 下边界条件不确定性结果分析 | 第146-160页 |
| 7.4 本章小节 | 第160-161页 |
| 8 结论与展望 | 第161-163页 |
| 8.1 本文主要结论 | 第161-162页 |
| 8.2 本文主要创新点 | 第162页 |
| 8.3 展望 | 第162-163页 |
| 致谢 | 第163-164页 |
| 参考文献 | 第164-173页 |
| 附录：攻读博士学位期间完成的科研成果 | 第173-174页 |
