与分布式水文模型相比,集总式水文模型在参数数量以及建模所需资料精度等方面的要求较低,是目前流域洪水预报的重要手段,尤其在资料相对短缺地区已得到广泛应用。然而,受预报模型的不确定性以及预报员经验不足等因素的影响,需要通过实时校正来提高预报的准确性及时效性。洪水预报实时校正可以根据实时的水文气象资料结合实时校正技术,在预报时逐时段加入观测信息更新原有模型的参数或预报结果,从而提高预报精度。因此提高实时洪水预报精度的关键不仅在于获取准确可靠的实时观测信息,还依赖于能够准确反应研究流域的水文过程的模型以及有效的实时校正方法。因此本文以集总式模型为背景,将新安江模型与集合卡尔曼滤波方法相耦合构建基于集合卡尔曼滤波方法（EnKF）的洪水预报实时校正模型,分析现有观测条件下模型的不确定性,以及未来在洪水预报实时校正中如何充分利用多元/源观测数据。本文的主要研究内容及结论如下:（1）本文总结了洪水预报实时校正的研究现状及存在问题,将新安江模型与EnKF算法相耦合构建了基于EnKF的洪水预报实时校正模型,并分析了模型的预报校正效果,模型可以将洪峰预报精度提高30%以上、Nash系数提高至0.9以上。（2）本文考虑现有观测条件,分析了模型在加入流量观测时不同土层土壤含水量校正效果、初始条件及降雨扰动误差三个方面的不确定性。分析表明:加入流量观测时,上层土壤含水量的校正效果好于下层和深层;初始条件与实际偏差较大时,实时校正模型比新安江模型的洪峰预报精度最高可提高80%以上,可以有效降低对初始条件的依赖;降雨扰动误差对模型预报精度有很大影响,尤其是在降雨量较大的情况,更容易高估流量,在模型应用中应关注降雨扰动误差的设置。（3）本文选取了地面观测蒸发和GLEAM产品蒸发及表层土壤含水量数据、GLDAS产品表层土壤含水量数据3种卫星遥感产品,并对这3种遥感产品进行了可利用性评估和校正。将校正后的水面蒸发、表层土壤含水量数据与流量三种观测进行组合,设置了9组算例对比分析加入不同来源、不同类型观测时,流量及不同土层土壤含水量校正的效果。结果表明:采用不同来源观测数据时流量校正结果基本一致,说明基于EnKF的洪水预报实时校正模型具有较强的包容性及鲁棒性;联合加入流量、表层土壤含水量和蒸发观测时校正时,预报精度均满足要求,比仅采用流量观测时最高可提高10%。