2019年3月15日，国际著名水文学期刊Hydrology and Earth System Sciences(SCI一区，TOP期刊)在线发表了西南大学地理科学学院、岩溶环境重庆市重点实验室在站博士后李计研究小组的最新科研成果，其合作导师为袁道先院士。

一般来说，岩溶流域缺乏长期的气象水文资料。尤其是降雨资料的缺乏是阻碍水文模型发展的一大挑战。本文基于气象卫星的定量降水估算(QPEs)技术为岩溶地区降水数据的获取提供了一种潜在的方法。此外，将QPEs与分布式水文模型相结合，在很大程度上提高了大型岩溶流域洪水预报的精度。利用人工神经网络-云分类系统(PERSIANN-CCS)从遥感信息中估算降水是一种基于卫星的定量降雨估算技术，目前已经在世界范围内已经取得了广泛的研究成果。然而，在大型岩溶盆地中，对PERSIANN-CCS QPEs的研究很少，而且在实际应用中精度普遍较差。本文针对分布式水文模型—流溪河模型的结构和功能进行了改进以适应岩溶流域。并采用改进后的分布式物理水文模型耦合PERSIANN-CCS QPEs卫星降雨技术用于预测柳江岩溶流域（58 270平方公里）的洪水过程，结果表明，PERSIANN-CCS QPEs预报的降水分布与雨量计观测到的降水非常相似，但是预测的降水量值偏小。文章提出了一种降雨后处理方法提高了卫星预报降雨的精度。岩溶洪水模拟结果表明，将改进的PERSIANN-CCS QPEs与改进后的流溪河模型进行耦合具有更好洪水预测性能。此外，通过改进的PERSIANN-CCS QPEs降雨对耦合模型进行参数再优化，大大提高了耦合模型的效果和精度。洪水模拟效果的评价指标大幅提高，如:Nash-Sutcliffe系数增加了14%,相关系数增加了15%,过程相对误差减小了8%,峰值流量相对误差降低了18%,水平衡系数增加8%,峰现时间差下降5 h。其中，峰值流量相对误差的改善幅度最大;而这正是洪水预报中最关心的问题。本文的气象模型耦合分布式物理水文模型良好的洪水模拟结果为大型岩溶流域的洪水预报提供了良好的实际应用前景。

论文在线发表链接为：https://www.hydrol-earth-syst-sci.net/23/1505/2019/

，本研究成果主要得到重庆市岩溶环境重点实验室开放性课题项目(Cqk201801)，中央高校基础科研专项基金(XDJK2019C017)，重庆市院士专项基金(cstc2016jcyjys0003、cstc2018jcyj-yszx0013)，以及国家重点研究开发项目(2016 yfc0502306)的大力支持。