土壤水分是陆地水循环中的重要组成部分,也是地表辐射分配中的重要影响因素,因此土壤水分的准确估计对于陆表状态的认知、陆气相互作用的研究、农业生产管理等具有重要意义。陆面数据同化作为—种模型与观测数据的融合手段,在考虑观测场和背景场误差的基础上,利用观测信息修正动力学模型的运行轨迹,能得到时空连续并具有较高精度的土壤水分估计信息。从陆面数据同化的框架来看,模型和数据是其中两大主要组成部分,而土壤水分同化也面临着来自这两方面的约束与挑战。因此,本研究针对模型中的参数不确定性问题以及多种观测联合同化两个方面展开,开展了站点、区域土壤水分同化实例研究,主要包括以下三个方面:（1）集合卡尔曼滤波框架下的状态-参数同步估计。模型参数不确定性会造成模型模拟与观测间的系统性偏差,这种偏差的存在会影响状态同化的效果。针对这—问题,本研究利用状态-参数同步估计方法在减少模型模拟偏差的同时达到提高状态估计精度的目的。选择蒙古高原站点为研究区,围绕目前土壤水分同化领域中常涉及的线性（以地面观测土壤水分为观测）和非线性观测系统（以模拟亮温为观测）展开,通过逐步增加实验情景的复杂度,同时改变观测间隔以及观测组合,综合分析比较了三种状态-参数同步估计方法（AEnKF、DEnKF和SODA）在不同实验条件下的算法表现。实验结果表明,状态-参数同步估计能获得比单纯的状态同化更优的土壤水分估计结果。AEnKF在应对简单实验情景时能获得具有较高精度的状态和参数估计结果并且耗时最少,但应对多种来源的不确定性、观测数目较少时结果并不理想;实验情景复杂度增加时,DEnKF依然能获得较好的状态和参数估计值,且计算效率与AEnKF相似;SODA的算法表现稳定,随着实验条件的变化实验结果的精度始终占有优势,但耗时也最长。三种方法的不同适用性为后续研究中的状态-参数同步估计提供了算法选择依据。（2）联合多变量站点观测的土壤水分同化。灌溉信息的缺失导致了灌区地表水热状态难以估计,同时也为土壤水分的同化引入了新的不确定性。考虑到模型模拟过程中状态变量间存在相互影响,本研究进行了站点多变量观测联合同化实验。同化算法选用集合卡尔曼平滑并进行改进,通过引入了膨胀因子解决同化中的背景场误差协方差低估问题,通过引入了局地化算法解决状态误差协方差膨胀带来的过相关问题。选择黑河中游盈科绿洲为实验区,表层土壤水分和地表温度为观测数据,对同化框架进行了已知灌溉信息、不同观测误差、不同观测间隔、加入参数估计下的测试。实验结果表明,多变量联合同化能有效地提高土壤水分状态的估计精度,并且在未知灌溉条件下能产生精度较高的状态估计结果,尤其对浅层土壤而言。另外,本研究改进的同化算法在观测间隔和观测误差变化时具有稳定的算法表现,可应用于具有不同时间分辨率和不同观测误差的卫星数据的同化实验。这就使得在缺失详细灌溉记录的情况下获取具有较高精度的土壤水分、温度和地表通量信息成为可能。同时本研究指出在灌区进行有效的参数估计中需要有效地剔除灌溉信息的影响。（3）联合多源遥感观测的土壤水分同化。微波亮温同化能够在—定程度上提高土壤水分估计,但其较粗的空间分辨率一定程度上阻碍了土壤水分的精细化研究,本研究通过联合同化粗空间分辨率的AMSR-E亮温与细空间分辨率的MODIS地表温度以期实现土壤水分估计精度在细尺度上的提升。MODIS地表温度同化用以提供细尺度上的土壤温度信息、减少亮温模拟时的偏差,同时MODIS叶面积指数用以提供细尺度上的植被信息。本研究利用双重集合卡尔曼平滑算法进行状态-参数同步估计以减少模拟偏差对同化的影响,加入背景场膨胀系数和参数松弛系数对同化算法进行改进。实验结果表明,多源遥感数据的联合同化由于能够提供多种空间分辨率上的观测信息,有效地实现了利用0.25°AMSR-E亮温所包含的土壤水分信息提高0.05°尺度上的土壤水分估计精度。而就参数估计结果而言,更新后的参数不仅更接近参数测量值,也有效地减少了土壤水分模拟中的偏差。为了更合理地进行粗网格上土壤水分结果的比较,本研究利用基于表观热惯量的方法获取土壤水分升尺度值,发现与升尺度后土壤水分相比,同化后表层土壤水分估计精度的提升更加明显。这也表明由地表高度异质性引起的从站点到网格的代表性问题需要进行合理的处理。