陆面数据同化是集成模型和观测这两种基本陆面科学研究手段的方法论，其核心思想是在陆面过程或分布式水文模型的动力框架内，通过数据同化算法融合时空上离散分布的不同来源和不同分辨率的直接与间接观测信息来辅助改善动态模型状态的估计精度。近年来，陆面数据同化已日趋成为陆面过程和遥感反演研究中的热点和前沿；在理论和方法的探索、实用同化系统的建立等方面都取得了重要的进展。　　 在现代数据同化方法中，以集合卡尔曼滤波为代表的非线性序贯数据同化方法得到了十分广泛的应用，但是其假设误差的先验概率分布为多维高斯分布，而非高斯误差在陆面数据同化中是普遍存在的，因此需要研究非高斯滤波方法。另一方面目前大部分基于陆面过程模型的陆面数据同化系统都还是一维的同化系统，只考虑了地表状态变量的垂直空间相关特征，没有考虑其水平空间相关；而流域尺度陆面数据同化系统是一个三维的同化系统，我们既要考虑陆地水循环中各主要分量的垂直空间相关，又要考虑它们的水平空间相关。这种空间相关性也使得流域尺度数据同化系统成为一个高维的同化系统，因此也需要发展提高同化系统计算效率的方法。再者，虽然流域尺度数据同化受到其他研究领域越来越多的重视，但是目前流域科学研究中仍然缺乏业务化流域尺度陆面水文数据同化系统。　　 从上述分析可以看出，流域尺度陆面数据同化研究尚有许多待解决的问题，而这些问题的解决对于陆面数据同化研究不管是在理论创新还是应用实践方面都具有十分重要的意义。所以本论文的研究工作将从三方面展开：①陆面数据同化算法研究：分析新发展的平方根集合卡尔曼滤波和非线性非高斯SIR粒子滤波算法在陆面数据同化中的应用；②地表变量的垂直空间相关特征和水平空间相关特征在陆面数据同化中的应用研究：分别开展一维的陆面数据同化和流域尺度陆面数据同化研究；③黑河流域陆面水文数据同化系统设计：发展一个能够融合多源遥感观测的流域尺度陆面水文数据同化系统。研究内容如下：　　 1.基于陆面过程模型VIC-3L的一维微波亮度温度数据同化研究：为了理想地验证平方根集合卡尔曼滤波和SIR粒子滤波算法，我们采用模拟生成的观测数据，利用陆面过程模型VIC-3L和L波段微波辐射模型L-MEB开展一维微波亮度温度数据同化理想试验，研究中只考虑土壤湿度的垂直空间相关，分析同化算法在改进土壤湿度廓线估计中的能力。我们在试验中为了防止滤波发散，引入了模型初值、模型参数和大气驱动数据的随机扰动方法来构造背景场误差和模型误差，扰动后的数据以集合预报的形式在模型中传播，同化结果证明这种扰动方式是有效的。通过此次一维的同化试验，我们发现两种同化算法在考虑垂向空间相关时，都可以将遥感观测到的表层信息向下传递，从而提高了下层土壤湿度的估计精度。通过对试验中土壤湿度集合的直方图分析和偏度分析，我们可以看到在大部分情况下土壤湿度集合是不符合高斯分布的，但是平方根集合卡尔曼滤波与无高斯假设的SIR粒子滤波相比，其表现仍然相当好；这从另一个角度说明集合卡尔曼滤波中通过集合的形式来表达同化结果，其中仍然包含了一部分概率密度分布的高阶信息，所以对于非高斯分布来讲，平方根集合卡尔曼滤波仍然能得到较好的结果。从计算效率角度分析，SIR粒子滤波算法和平方根集合卡尔曼滤波算法相当。研究结果说明两种算法都是实用的序贯陆面数据同化方法。　　 2.基于分布式水文模型GEOtop的流域尺度微波亮度温度数据同化试验：土壤湿度不仅存在垂直空间相关，还存在水平空间相关；同垂直相关一样，这种水平相关信息也有助于提高同化系统中土壤湿度的估计结果。研究中考虑了土壤湿度和亮度温度观测数据的水平空间相关特征，引入了随机模拟和地统计学中的序贯高斯模拟方法来描述模型算子的不确定性。分别采用局部滤波和全局滤波两种L波段亮度温度同化方案，来分析水平空间相关对同化结果的影响。在全局滤波中依靠观测的空间相关特征，将观测信息传递到无观测区域：为了减小误差的虚假空间相关，降低距离远的观测数据在同化系统中的贡献，研究探讨了利用亮度温度的空间协方差函数对观测误差进行Localization的方法。试验结果表明全局滤波的结果优于局部滤波，提高了无观测区域土壤湿度的估计结果，这说明在同化系统中考虑水平空间相关特征能够提高同化系统的估计精度。本研究还讨论了局部分析方案在流域尺度数据同化中的适用性，试验表明结合观测误差Localization方法的局部分析方法在流域尺度数据同化系统的土壤湿度同化中是可行的，同时该方法显著降低了系统的计算复杂性，避免了大型矩阵的求逆运算，使得系统更加稳定，可以说是一种非常有效的分析方案。研究中提出的集合卡尔曼滤波与地统计空间变异理论结合的初步框架，通过地统计方法在数据的随机扰动和空间相关研究中的作用，证明了地统计方法在流域尺度数据同化中的应用潜力，它可作为流域尺度陆面数据同化研究的有益补充。　　 3.空间变异性研究：为了在同化系统中有效地利用空间自相关信息，研究中我们分析了土壤湿度数据、被动微波亮度温度数据和降雨观测数据的空间自相关特征，分别计算出它们的空间变异函数模型及其对应的协方差函数模型、块金值、基台值以及变程。这些结果又分别被成功应用到了序贯高斯模拟、克里格插值和观测误差协方差矩阵的Localization方法中，对于提高同化系统性能起到了重要作用。　　 4.随机模拟研究：在同化试验中为了表达模型中的不确定性，我们采用了随机模拟的方法。在一维的同化试验中，我们仅仅使用概率统计中的随机数生成技术来实现集合的扰动。但是在流域尺度数据同化试验中，对一些变量进行随机模拟时，我们不仅需要描述变量的不确定性，还要保持其空间变异性，所以我们采用了地统计学中的序贯高斯模拟方法对土壤湿度的初值和降雨数据进行随机扰动，生成数据空间分布的集合。结果证明在基于集合的数据同化系统中，随机数生成技术与地统计随机模拟相结合是一种非常有效的构造集合的方式，该方法一方面保持了预报值集合的离散程度，另一方面通过这种方式可以在同化系统中引入非加性噪声，比简单的加性噪声更合理；同时简化了滤波算法中模型误差的表达。5.黑河流域陆面水文数据同化系统设计：为了实现一个能够融合多源遥感观测的数据同化系统，我们分别从系统结构和软件工程两个方面完成了黑河流域陆面水文数据同化系统-HDAS的设计方案。系统结构的模块化设计中，首先讨论了HDAS中各模块所具备的功能，然后运用需求分析和功能设计的方法，分析了每个模块的详细设计方案；在系统软件工程的设计中，分别从从系统开发平台、算法软件实现、数据格式等方面给出了解决方案；最后介绍了系统所需的数据集。该方案为HDAS的后续开发奠定了基础。