洪水是最具破坏性的自然灾害之一,可对社会经济的可持续发展造成巨大的危害,为了减少洪水的影响,需要准确的早期预报系统。水文模型在洪水预报中发挥关键作用,然而模型强迫、参数和结构的不确定性使输出具有不确定性。土壤水分影响降雨的蒸散发、入渗和径流的分配,是决定洪水事件大小的重要因素。近年来随着遥感技术的进步,微波遥感为土壤水分观测提供了一种独特的能力,它在低频几乎不受云和雨的影响,可以在固定周期提供具有大范围空间覆盖的全天候土壤水分估计。通过将水文模型与遥感观测相结合,利用遥感水文气象观测数据在数据同化框架中纠正模型的状态或参数,可以改进对土壤水分的估计,从而提升洪水预报的精度。尽管如此,对于同化不同源土壤水分观测到不同结构的降雨径流模型的洪水预报技能的改进,还没有达成共识,同化框架的一些关键方面尚未得到充分评估。因此本文在淮河息县上游流域,基于集总式新安江模型和分布式新安江模型,使用集合卡尔曼滤波（Ensemble Kalman Filter,En KF）算法分别将ESA CCI（European Space Agency Climate Change Initiative）主被动融合土壤水分数据、ASCAT（the Advanced SCATterometer）主动土壤水分数据和再分析土壤水分数据同化到两种水文模型中,并设置未同化的开环实验,分析En KF算法对洪水预报实时校正的效果以及不同源土壤水分和水文模型结构对同化结果的影响,研究结果表明:（1）三种同化方案与开环模式,在洪峰流量、径流深的预报以及纳什效率系数上均有较大提升,表明同化土壤水分到水文模型中可以改善洪水预报。（2）同化ESA CCI的洪峰流量相对误差为0.113,径流深相对误差为0.214,纳什效率系数值为0.925,均优于同化ASCAT主动土壤水分数据和再分析土壤水分数据,表明同化ESA CCI主被动融合土壤水分数据对洪水预报的改善效果最好。（3）使用分布式新安江模型同化三种土壤水分数据以及开环实验相比于集总式新安江模型的对应方案,洪峰流量相对误差分别降低了2%、9.1%、8.6%、4.4%,径流深相对误差分别降低了7.6%、4.7%、10%,开环模式升高了21.2%,纳什效率系数分别提高了0.032、0.034、0.024、0.081,结果表明考虑降雨、下垫面条件空间异质性的分布式新安江模型对洪水预报精度更高。本研究可为流域防洪防汛工作提供一定的参考价值。