为提高大渡河流域融雪径流预报精度并延长有效预见期，融合物理成因分析和数据挖掘技术应用的优势，建立基于多因素相似性的大渡河流域融雪径流预报模型，并提出滚动预报方案，实现了10 d径流逐日滚动预报。结果表明：3、7、10 d预见期的平均相对误差可分别控制在5.44%、7.54%、7.71%以内。同时，相较于不考虑正积温和积雪预报因子方案，2021-2023年7场典型融雪洪水预报的洪峰平均相对误差减小了2.98%，最大降低了6.46%。所提方法可为流域水资源管理与防洪减灾提供决策支撑。

为提高大渡河流域融雪径流预报精度并延长有效预见期，融合物理成因分析和数据挖掘技术应用的优势，建立基于多因素相似性的大渡河流域融雪径流预报模型，并提出滚动预报方案，实现了10 d径流逐日滚动预报。结果表明：3、7、10 d预见期的平均相对误差可分别控制在5.44%、7.54%、7.71%以内。同时，相较于不考虑正积温和积雪预报因子方案，2021-2023年7场典型融雪洪水预报的洪峰平均相对误差减小了2.98%，最大降低了6.46%。所提方法可为流域水资源管理与防洪减灾提供决策支撑。

为提高大渡河流域融雪径流预报精度并延长有效预见期，融合物理成因分析和数据挖掘技术应用的优势，建立基于多因素相似性的大渡河流域融雪径流预报模型，并提出滚动预报方案，实现了10 d径流逐日滚动预报。结果表明：3、7、10 d预见期的平均相对误差可分别控制在5.44%、7.54%、7.71%以内。同时，相较于不考虑正积温和积雪预报因子方案，2021-2023年7场典型融雪洪水预报的洪峰平均相对误差减小了2.98%，最大降低了6.46%。所提方法可为流域水资源管理与防洪减灾提供决策支撑。

大渡河流域内站点分布较少，历史观测数据不足，给该地区的融雪径流预报带来困难。基于欧洲中期天气预报中心提供的最新一代高分辨率陆面再分析数据集ERA5-Land，将积雪覆盖率和积雪平均深度引入度日因子雪量计算公式中，对HBV模型的积融雪模块进行改进，以提升融雪径流计算的可靠性。以大渡河上游为研究对象，选取1961—2018年的水文气象资料对模型进行率定和验证，并以2019年为例进行试预报研究。结果表明，通过引入ERA5-Land再分析数据，以及对积融雪模块进行改进，发挥了其在模拟积融雪上的优势，有效提升了融雪径流预报精度，对大渡河流域具有适用性。研究成果可为稀缺资料地区融雪径流模拟预报提供经验。

大渡河流域内站点分布较少，历史观测数据不足，给该地区的融雪径流预报带来困难。基于欧洲中期天气预报中心提供的最新一代高分辨率陆面再分析数据集ERA5-Land，将积雪覆盖率和积雪平均深度引入度日因子雪量计算公式中，对HBV模型的积融雪模块进行改进，以提升融雪径流计算的可靠性。以大渡河上游为研究对象，选取1961—2018年的水文气象资料对模型进行率定和验证，并以2019年为例进行试预报研究。结果表明，通过引入ERA5-Land再分析数据，以及对积融雪模块进行改进，发挥了其在模拟积融雪上的优势，有效提升了融雪径流预报精度，对大渡河流域具有适用性。研究成果可为稀缺资料地区融雪径流模拟预报提供经验。

为准确判断融雪期起止时间，以大渡河融雪径流主要来源区的丹巴以上流域为例，基于2009～2020年的水文气象资料，分别采用集对分析法、系统聚类法和K-means聚类法对流域枯季(11月～次年5月)融雪期进行分期计算，并对分期结果进行合理性评估，确定流域最终融雪期划分方案。结果表明，大渡河丹巴以上流域的主融雪期为1月11日～5月10日，其前的11月1日～1月10日为退水期，其后的5月11日～5月31日为降雨径流开始期(仍有部分融雪径流)。研究结果可为高纬度地区的融雪期划分提供参考。

为准确判断融雪期起止时间，以大渡河融雪径流主要来源区的丹巴以上流域为例，基于2009～2020年的水文气象资料，分别采用集对分析法、系统聚类法和K-means聚类法对流域枯季(11月～次年5月)融雪期进行分期计算，并对分期结果进行合理性评估，确定流域最终融雪期划分方案。结果表明，大渡河丹巴以上流域的主融雪期为1月11日～5月10日，其前的11月1日～1月10日为退水期，其后的5月11日～5月31日为降雨径流开始期(仍有部分融雪径流)。研究结果可为高纬度地区的融雪期划分提供参考。