Ensemble precipitation forecasts (EPFs) derived from single numerical weather predictions (NWPs) often miss extreme events, and individual hydrological models (HMs) often fail to accurately capture all types of flows, including flood peaks. To address these shortcomings, this study introduced four “EPF + HM” schemes for ensemble flood forecasting (EFF) by combining two EPFs and two HMs. A generator-based post-processing (GPP) method was applied to correct biases and under-dispersion within the raw EPF data. The effectiveness of these schemes in delivering high-quality flood forecasts was assessed using both deterministic and probabilistic metrics. The results indicate that, once post-processed by GPP, all proposed schemes show improvements in both deterministic and probabilistic performances, with skillful flood forecasts for 1–7 lead days. The deterioration in forecast performance with extended lead times is also lessened. Notably, the results indicate that uncertainty within hydrological models has a more pronounced impact on capturing flood peaks than uncertainty in precipitation inputs. This study recommends combining individual EPF with multiple hydrological models for reliable flood forecasting. In conclusion, effective flood forecasting necessitates employing post-processing techniques to correct EPFs and accounting for the uncertainty inherent in hydrological models, rather than relying solely on the uncertainty of the input data.

In this work, a load reduction method with a simple structure is proposed to address the threat of the huge slamming loads caused by high-speed water entry. By opening holes in the water-entry attack area and using the compressibility of the air cushion formed in the closed cavity, the air cushion and water in the hole are coupled as a buffer medium to reduce the load during the vehicle water entry. The arbitrary Lagrangian–Eulerian (ALE) algorithm is used for numerical verification. The load characteristics of the vehicle are studied for different opening modes under two typical water entry angles. The pressure distribution of the medium in the hole under different opening modes is analyzed. The load reduction effect and influence of the air spring are also explored, and the specific load reduction mechanism of the air spring is discussed. Finally, considering the application prospects of the load reduction method proposed in this paper for complex structures, a numerical model of the water landing process of a large passenger aircraft with an air spring load reduction configuration is established, and the overall load characteristics during the landing process are studied.

ABSTRACT The Qinghai‐Tibetan Plateau (QTP) experienced noticeable warming and glacial retreat during the past decades. However, it is unclear how these changes affect QTP wetland distribution in the past and future. To this end, this study estimated the potential wetland distribution in the QTP under present and future climate scenarios using five machine learning methods. We further decoupled the sensitivity of wetland area to temperature, precipitation, and glacier changes based on the control experiment, and quantified the environmental niche of QTP wetland distribution. The RusBoost algorithm model has the best performance and shows that the current potential wetland area is about 1.6 × 10 5 km 2 , accounting for 6.22% of the land surface. By 2100, QTP wetlands are projected to increase by 9.6% and 77.3% relative to the current potential wetland area under the SSP1‐2.6 and SSP5‐8.5 scenarios, respectively. Climate warming and wetting are positively correlated with the future wetland areas. Each 1°C increase in the warmest season temperature can lead to a 9.0% increase in QTP wetland areas. Glacial retreat to some extent leads to wetland increase, for example, in the southeastern QTP, likely due to glacial meltwater recharge. However, wetlands will decrease due to longer glacial distances in the northeast QTP, because wetlands tend to grow within a suitable distance of 30 km to glaciers. As more current wetlands spread within the recharge range of glacier meltwater, QTP wetlands expect to increase in the near future. This research provides a valuable reference for predicting wetland changes in alpine regions in the context of global warming.