降尺度(downscaling)技术是解决两种不同尺度转换问题的桥梁。降尺度可采用动力降尺度和统计降尺度两类方法,其中统计降尺度能够弥补动力降尺度的一些不足,能以较小的计算代价获得较高分辨率和精度的输出。统计降尺度有助于提高局地天气预报精度,为流域尺度的分布式水文模型提供模拟所用的气象资料,这对提高洪涝灾害预报有着潜在的应用价值。广义线性模型及多重分形数值模拟是两种性质完全不同的可用于统计降尺度的方法,前者可以将多种大尺度变量作为因子来与地面气象变量建立联系,而后者可以生成满足不同尺度上统计特征的随机数据域。将这两种技术相结合可能是未来解决短期气象资料(如降水)的统计降尺度问题的潜在方法。　　 本论文以东亚季风覆盖下的沂沭河流域为研究区,针对降水变量的时间及空间统计降尺度问题,探索研究了不同降水量分布假设条件和不同参数估计方式下的Markov过程天气发生器、广义线性模型降尺度方法的模型构建、参数拟合以及随机模拟对沂沭河流域的应用对比,研究了流域内降水时间序列及空间场的多重分形特征,获得了实现基于多重分形统计降尺度时所需要的参数,最后对GLM在由TIGGE资料对降水降尺度以及多重分形数值模拟在分布式水文模型中的应用进行了实例研究。　　 主要结论如下:　　 (1)将4种偏态分布用于构建基于Markov过程的降水随机发生器,参数拟合采用分月份估计及使用Fourier序列表示参数两种方式。参数拟合过程表明拟合效果从最好至最差依次排列为对数正态分布、混合指数分布、Gamma分布和指数分布。随机模拟结果显示基于这几种分布的模型能够较好的再现月内平均日降水量,但对月内最大日降水量和日降水量方差有着不同程度的高估与低估现象。　　 (2)用5种NCEP再分析资料建立了降水时间序列的GLM模型,包括降水发生概率模型和基于四种分布的降水量模型。最大似然法参数估计表明拟合效果从最好至最差排列为Gamma分布、对数正态分布、指数分布和正态分布,且GLM仪通过这5个单格点大尺度资料就可以解释季节差异。将模型输出的降水发生概率及降水量均值,以及用这两个值生成随机模拟降水,与观测资料对比显示出基于前三种分布的模拟效果较好,但各自均存在不同程度的高估与低估的问题。　　 (3)对沂沭河流域历史逐日及逐分钟的降水序列进行了多重分形分析,结果表明:对逐日资料的分析发现存在一个由1日至1年的标度区间,其功率谱指数β较小;对逐分钟资料的分析发现两个标度区间,分界约在1小时的尺度上;所有标度区间的K(q)函数都有凹形部分存在,表明具有多重分形特征;估计得到了通用K(q)模型的稳定参数值,这些参数的范围与国外学者的研究结果接近,但有一定差异。对Hurst指数H的估算表明降水在1小时至1日以及1日至1年的标度区间内为守恒(Conserved)过程,而在小于1小时的标度范围内为非守恒过程。以逐分钟发现的1小时至1日的标度范围与以逐日资料发现的1日尺度以上的标度范围具有相近的性质,这意味着学者们已往所发现的1日至数月的标度区间可能向下延伸至1小时尺度。　　 对雷达降水空间场进行了二维多重分形分析。功率谱曲线及统计矩函数K(q)显示在1km至250km的尺度范围内具有较好的多重分形特征,功率谱指数β大于1,转折阶qcr大于4,表明降水在空间上的波动较为平缓。β、α、C1及H的估计值均与其它文献中关于非季风性降水的研究结果没有明显的差异。　　 (4)为实现对TIGGE资料的降尺度,使用逐6小时的NCEP资料建立基于GLM的模型,参数拟合及检验表明:模型能够反映降水的季节变化特征,且对非微量降水的模拟能力较好,但今后可以加入能够解释季节变化的因子来提高模型的表达能力;以历史样本作为模型的输入得到的模拟结果表明:模型输出的降水发生概率与观测降水有较好的对应性,输出的降水量期望虽与观测降水有一定对应性,但无法反映降水的强烈随机性。使用拟合好的模型以2007年8月内的TIGGE资料为输入实现对降水的降尺度模拟,结果显示,输出降水量继承了原TIGGE资料中预报降水量的特征,总体上看模型对降水发生概率的降尺度具有更强的可参考性,与实际降水的发生具有较好的对应性,具有较好的概率预报意义;受TIGGE预报本身对降水量预报的限制,对降水量的模拟则难以反映实际降水的随机性。　　 (5)以观测的多站点平均降水量作为多重分形数值模拟模型的参数生成随机降水场,驱动基于新安江单元产流机制的分布式水文模型。考虑到受流域内众多湖泊水库调蓄作用影响,选用两次最大规模的降水来率定水文模型参数。由多重分形数值模拟得到的集合降水场驱动水文模型,得到的集合径流曲线与临沂站实测径流曲线较为接近,分别得到了确定性系数NE=0.2～0.5和NE=0.62～0.84,但不同集合成员模拟的曲线形状存在着差异。这种集合差异体现了多种洪水过程发生的可能,对水文模拟预警研究具有较好的应用前景和研究意义。