陆面水文模型是研究流域水问题的重要工具，在水资源管理、水文预报、气候变化评估及生态环境保护等领域中发挥着关键作用。随着陆面水文模型日益复杂，模型参数数量也相应增加，其不确定性对模型应用效果影响显著。传统优化方法用于水文模型参数率定时，通常需要大量运行模型。由于模型复杂度高，参数优化过程往往带来极大的计算负担；此外，高维参数难以通过有限的观测数据加以有效约束，导致优化效果显著下降。针对上述问题，我校水文水资源学院段青云教授团队长期致力于相关科学研究，取得了一系列重要成果，为解决参数率定中的计算效率与精度问题提供了新思路和方法。（1）提出了能够处理具有混合决策变量优化问题的多目标优化方法在综合环境建模和管理中，大量多目标优化问题不仅涉及连续决策变量，还包括整数变量和离散变量，此外这些优化问题往往具有各种约束条件。团队提出了一种能够处理具有约束条件的混合变量多目标优化问题的MO-ASMOCH方法。研究结果表明MO-ASMOCH仅需要NSGA-II计算时间的5%-27%，就能够得到相似的优化效果。后续工作利用MO-ASMOCH开展了基于SWAT模型的非点源污染最佳管理措施多目标优化研究，通过高