对海洋环境进行观测是实现对海洋状态、过程、变化进行认知和预测的基础。水下机器人与海洋环境预报模型综合集成构成闭环反馈系统,通过水下机器人现场观测数据构建海洋环境模型、并通过模型指导水下机器人实施海洋环境及其中特征估计和预测所需的最优数据采集,是实施自适应观测的重要技术框架。数值海洋模式是重要的海洋环境预报模型,但其在诸多方面和应用中仍存在诸多方面的技术挑战,因此,数据驱动的海洋环境建模预测以及基于数据驱动海洋环境模型指导水下机器人自适应海洋环境观测,是实施水下机器人自适应海洋环境观测需要研究和解决的重要问题。本文针对数据驱动的水下机器人海洋环境自适应观测开展研究。论文开展的主要研究工作和结果如下:（1）针对基于水下机器人集群组成的海洋环境观测网络采集的相对于高维海洋环境状态的稀疏的现场观测数据对海洋环境进行估计和预测方法进行研究。研究了动力学模态分解方法及基于动力学模态分解的海洋环境建模和预测方法,通过数值海洋模式预报的南海某区域海洋环境状态空间场时间序列数据对海洋环境的主导模态进行了学习,对海洋环境温度、盐度、海流的低维特性和多分辨率特性、以及基于主导模态实施海洋环境估计与预报进行了分析和仿真,并提出一种数据驱动的海洋环境自适应建模策略。（2）在数据驱动的海洋环境建模研究基础上,针对水下机器人网络观测位置优化方法进行研究。针对基于动力学模态分解的海洋环境模型和水下机器人网络现场观测数据对海洋环境状态进行最优估计,建立了优化问题的模型,并研发一种基于强化学习的水下机器人网络观测位置优化求解方法。通过计算机仿真结果表明,基于优化的水下机器人网络观测位置获取的海洋环境状态稀疏观测数据可实现高维海洋环境状态的准确估计。（3）在上述海洋环境空间场估计预测研究基础上,针对水下机器人对其中锋面等水平梯度特征实施自适应观测以实现海洋特征进一步精准认知和预测需求,研究水下机器人对锋面等水平梯度特征进行追踪和测绘的自适应观测方法。基于上述研究的数据驱动海洋环境建模预测,针对海洋环境流场输运的海洋环境动态特征,提出一种水下机器人对动态特征进行追踪和测绘的运动规划策略,并基于一种基于行为的运动规划器设计了一种水下机器人对动态特征进行追踪和测绘的运动规划算法。在分析基础上,本文对部分研究结果进行了计算机仿真,结果表明了论文提出的策略、方法和算法的有效性。