通过自动化程序收集公开的全球基础地理数据，同时建立一套自动化数据处理系统，为水文建模用户快速提供研究区所需要的关键地理数据和水文模型输入数据。
研究目标 研究旨在降低水文模型数据收集和输入数据准备的障碍，提高水文建模效率，同时提高水文模拟的可重复性，形成标准化的水文建模流程和工具。 用于水文建模的基础数据分布于不同的数据库和数据中心，尚无集中的数据分享平台，因此用户本身需要通过不同渠道获取数据。并且数据的格式、变量含义、变量单位各有不同，建模用户需要较长时间方能为其研究区建立合理的水文模型数据集，费时费力，阻碍了数据应用和模拟工作。因此针对水文建模数据的的标准化、统一化和格式化势在必行。本项目将在程序内实现水文建模的关键地理数据的标准化、格式化和统一化。
项目拟选择Topmodel和SHUD模型作为示例展示自动化水文建模系统。水文模型粗略可分为集总式模型、半分布式模型和分布式模型；其中集总式模型对地形和水文参数需求较低，建模过程简单，无需本系统辅助，因此本系统主要服务对象是半分布式和分布式模型。
Topmodel是半分布式水文模型，在全球各地都有应用，应用范围广、效果好；SHUD模型是典型数值方法水文模型，对空间数据和水文数据要求高，模型构建较为复杂，因此本系统建立可有效提高数值方法水文模型构建的效率。
技术路线 研究任务分解为两个部分，数据和自动建模程序。
任务1：收集关键地理数据 利用自动化程序收集全球公开的水文关键地理数据。数据收集包括空间数据和时间序列数据。空间数据主要是构建水文模型所需要的与空间信息或水文参数有关的数据，包括高程、流域边界、河流、土壤质地、土地利用、再分析资料格点位置等。时间序列数据主要指气象数据，即用于驱动水文模型的降雨、气温、湿度、风速、气压和辐射数据。
表1列举了本研究所需要的数据以及数据来源等信息，所列举的数据为开放版权(Public Domain)，即允许数据处理后再发布。 部分数据已经在申请人前期研究中获得，在本项目执行中将更新或补全。部分数据的更新周期较慢；对于实时更新的数据（如再分析气象数据），则通过程序自动下载。
数据分类 数据 备选数据源 分辨率 地理 高程 ASTER GDEM v3.0, MERIT Hydro 30m/90m 地理 土壤质地 HWSD 1km 地理 土地利用 USGS Global Land Cover 1km 地理 河网 HydroSHEDS - 地理 流域边界 HydroSHEDS - 气象 再分析资料 GLDAS，NLDAS，FLDAS 0.
